科研動態｜學院本科生在核心期刊《分析測試學報》發表論文

發布人：周越發布日期：2024-12-09

　　近日，由我院“大學生創新創業訓練項目”（以下簡稱大創）團隊成員：2022級本科生黃天愛、劉子若、李俊毅、陽文彬、馮卓賢、2022級碩士王天翔，在指導教師袁岑溪教授、陳勝利副教授的帶領下，聯合完成的研究論文《多元統計方法在核取證溯源分析中的研究進展》在核心期刊《分析測試學報》上正式發表。學院袁岑溪教授為通訊作者。

核材料溯源取證，是一門對核材料及放射性材料進行檢查分析以溯源其性質、制造的時間、地點、方式及預期用途的新興交叉學科。通過對截獲的可疑核材料，例如核爆炸樣品，進行分析，核取證學可以溯源其來源、生產歷史和用途，從而判斷其是否屬于非法擴散或走私，并將其遏制在搖籃中。此外，通過評估潛在的核擴散、核走私風險，核取證學還可為制定有效的防范措施提供科學依據。核取證學的研究和發展是遏制核武器擴散、監測核材料流動、打擊核走私網絡的有力工具。

目前8455線路檢測中心該領域的前沿研究方向是基于數據庫信息，利用多元統計方法溯源未知核材料的來源信息。文章回顧了近年來的核取證研究進展并指出存在數據依賴性強、模型缺乏定量分析能力和普適性等不足。

（經過訓練的基于模型的預測燃耗值的PWR和BWR樣本(左)以及AGR、RBMK、VVER-440和VVER-1000樣本(右)的實際燃耗值對比，這些樣本收集于SFCOMPO-2.0數據庫中）

為克服這些局限，文章介紹了最新的線性擬合方法實現溯源取證分析，基于經濟合作與發展組織核能署（OECD/NEA）于2017年發布的SFCOMPO-2.0乏燃料數據庫，以不同核素濃度作為樣品特征提出了線性關系假設，并通過數據庫數據和壓水堆（PWR）與沸水堆（BWR）的模擬結果進行了檢驗。結果表明，線性關系假設在PWR和BWR中均適用，并可用于預測燃料的初始富集度和燃耗量。

此外，文章還介紹了3種機器學習方法的應用（邏輯回歸、支持向量機、多層感知器）實現對PWR、BWR的分類。最后，應用KNN分類、隨機森林和多層感知器算法，改進了核取證分類模型，提高了模型對各反應堆的分辨能力。

（用于PWR和BWR分類的LGR(左)、SVM(中)和MLP(右)模型的混淆矩陣）