ارزیابی محاسباتی پرتودهی یوروپیم طبیعی جهت مقیاس بندی آشکارساز HPGe با استفاده از نرم افزار MATLAB

سال انتشار: 1404
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 64

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_RSM-14-1_001

تاریخ نمایه سازی: 31 فروردین 1404

چکیده مقاله:

به منظور طیف سنجی گاما جهت شناسایی نمونه ها با ترکیب ناشناخته، ابتدا باید مقیاس بندی انرژی آن با استفاده از چشمه­ مشخص کالیبره گردد. هسته های پرتوزا گسیل کننده پرتوهای گاما با انرژی های مشخص در مقیاس بندی آشکارساز HPGe برای طیف سنجی گاما مورد استفاده قرار می گیرند. در این میان هسته های پرتوزا یوروپیم-۱۵۲ و یوروپیم-۱۵۴ به دلیل داشتن ویژگی هایی همچون گستره ی انرژی مناسب و نیمه عمر طولانی، می توانند به عنوان گزینه مناسبی برای مقیاس بندی انرژی آشکارساز HPGe مورد استفاده قرار گیرند. این هسته های پرتوزا را می توان از روش مستقیم با پرتودهی یوروپیم طبیعی تولید کرد. به منظور جلوگیری از آلودگی محیط زیست، انتشار مواد پرتوزا و همچنین کاهش هزینه های مصرفی، قبل از پرتودهی نمونه و تولید، فرایند بهینه سازی و ارزیابی محصولات تولیدی محتمل، صورت می­گیرد تا خروجی با بهترین بازده و عملکرد به دست آید. بدین منظور در این مطالعه به محاسبه نظری از طریق حل معادلات دیفرانسیلی زنجیره های واپاشی یوروپیم طبیعی با استفاده از نرم افزار متلب پرداخته شد. در این مطالعه مقدار فعالیت محصولات اصلی و ناخالصی های تولید شده ناشی از پرتودهی ۱ میلی گرم یوروپیم طبیعی برای مدت زمان پرتودهی ۷ روز و خنک سازی ۳۰ روز، مورد تحلیل و بررسی قرار گرفت. نتایج نشان دادند که درصد ناخالصی های تولیدشده نسبت به محصولات اصلی در پایان فرایند خنک سازی در حدود ۱ درصد است که مقدار ناچیز و قابل چشم پوشی است.

نویسندگان

مهدیه مهابادی

گروه فیزیک، دانشکده علوم پایه، دانشگاه قم، قم، ایران

حسن رنجبر

پژوهشکده چرخه سوخت هسته ای. پژوهشگاه علوم و فنون هسته ای. تهران. ایران

سیده زهرا اسلامی راد

گروه فیزیک، دانشکده علوم پایه، دانشگاه قم، قم، ایران

احسان بوستانی

پژوهشکده راکتور و ایمنی هسته ای، پژوهشگاه علوم و فنون هسته ای، تهران، ایران

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :