Identification of diversions in spent PWR fuel assemblies by PDET signatures using Artificial Neural Networks (ANNs)
Artikel i vetenskaplig tidskrift, 2023
Radiation detection
Artificial Neural Networks
Spent nuclear fuel
Machine learning
Nuclear safeguards
Författare
Moad al-Dbissi
Belgian Nuclear Research Center (SCK CEN)
Chalmers, Fysik, Subatomär, högenergi- och plasmafysik
Riccardo Rossa
Belgian Nuclear Research Center (SCK CEN)
Alessandro Borella
Belgian Nuclear Research Center (SCK CEN)
Imre Pazsit
Chalmers, Fysik, Subatomär, högenergi- och plasmafysik
Paolo Vinai
Chalmers, Fysik, Subatomär, högenergi- och plasmafysik
Annals of Nuclear Energy
0306-4549 (ISSN) 1873-2100 (eISSN)
Vol. 193 110005A new approach to partial defect testing of spent nuclear fuel for safeguards applications
Strålsäkerhetsmyndigheten (SSM) (SSM2021-709), 2021-07-01 -- 2022-05-31.
Drivkrafter
Hållbar utveckling
Ämneskategorier
Subatomär fysik
Reglerteknik
Styrkeområden
Energi
DOI
10.1016/j.anucene.2023.110005