Image Processing for X-ray and Electron Detection Based on Neural Networks for Pixelated Semiconductor Detectors

Beschreibung

Diese Arbeit bietet die Basis und ein grundlegendes Verständnis für fortschrittliche Datenanalyseanwendungen für pixelierte Halbleiterdetektorsysteme mittels maschineller Lernverfahren.
Die Analyse großer Datensätze in physikalischen Experimenten profitiert von den neuesten Fortschritten bei maschinellen Lernverfahren, die auf neuronalen Netzen basieren. Die Stärke dieses Ansatzes beruht auf dem Vorhandensein von validierten Kalibrierungsdaten, der sogenannten Ground Truth, und zuverlässig getesteten numerischen Simulationen. In den letzten Jahren hat der breite Einsatz von neuronalen Netzen aufgrund der kontinuierlichen Bereitstellung von Software und einer erheblichen Steigerung der Computerleistung an Dynamik gewonnen. Diese Zunahme lässt sich auch im Bereich der pixelierten Halbleiterdetektoren wiederfinden. Es werden vier verschiedene Methoden für unterschiedliche Ereignisraten auf den Detektoren entwickelt, um den Eintrittspunkt und die Intensitätsverteilung der Strahlung auf dem Detektor genau zu bestimmen. Diese Methoden ermöglichen die Rekonstruktion von Positions- und Intensitätsinformationen in Echtzeit bei hohen Bildraten.

Autor*in

Björn Eckert
Physiker

Themen in »Image Processing for X-ray and Electron Detection Based on Neural Networks for Pixelated Semiconductor Detectors«

Image Processing Neural Network Pixelated Semiconductor Detector Monte-Carlo-Simulation

Stimmen zu »Image Processing for X-ray and Electron Detection Based on Neural Networks for Pixelated Semiconductor Detectors«

Details

Link teilen