Využití metod strojového učení pro dekonvoluci dat z Bonnerova spektrometru

Annotation

Bonnerův spektrometr je hlavním nástrojem pro spektrometrii neutronů. Rekonstrukce výsledného spektra z naměřených dat je ale často náročným úkolem, neboť vyžaduje použití složitých dekonvolučních algoritmů, detailní Monte Carlo simulaci celého detektoru, kvalifikovaný odhad experimentátora a nakonec i notnou dávku štěstí.
V Českém metrologickém institutu (ČMI) se pro dekonvoluci spekter (tj. určení reálného spektra na základě naměřených dat) používá léty ověřený algoritmus GRAVEL. Jeho výhodou je jednoduchost a rychlost. Neposkytuje však žádnou informaci o nejistotách výsledného spektra a ty je pak třeba určovat jinými metodami. V dnešní době ale existuje řada jiných algoritmů včetně postupů založených na metodách strojového učení, které tuto nevýhodu nemají.
Úkolem studenta bude seznámit se s metodikou měření a moderními dekonvolučními metodami a jejich použitím a následná implementace nejvhodnějšího algoritmu pro Bonnerův spektrometr v ČMI.