利用机器学习开发用于设计辐射屏蔽复合防护服的模型

摘要

本研究介绍了一种新型无铅复合材料的开发与评估，该材料用于辐射屏蔽，其设计过程中采用了人工神经网络（ANN）。人工神经网络模型在预测质量衰减系数方面表现出极高的准确性，相关系数为 R = 0.997，平均绝对百分比误差为 0.9–1.8%，与基准的 Geant4 蒙特卡洛模拟结果非常吻合。经过优化的 Ba-Gd-I-Sb 复合材料（成分比为 73.9% 钡、18.2% 镓、7.65% 碘）通过多边缘吸收效应实现了更优异的屏蔽性能。关键定量结果显示：1 毫米厚的该复合材料在 50 keV 的能量下具有超过 10⁵ 的衰减能力；1.0 毫米厚时衰减率超过 95%；并且具有良好的重量与性能比（0.5 毫米厚的屏蔽层重量仅为 1.08 千克）。该复合材料在 80 keV 下的衰减率达到 99%，优于市售的非铅屏蔽材料（衰减率通常在 97–98% 之间），而在较低能量下的透射率与铅相当。这些研究结果表明，该复合材料在医疗和工业辐射防护领域具有出色的性能和潜力，是一种可持续、高效的解决方案。