中国物理学会高能物理分会第十一届全国会员代表大会暨学术年会

本文基于高速波形采样方法研究了CLYC、CLLB、塑料闪烁体等中子伽马多模探测器的性能。使用Cs137、Am-Be中子源和加速器单能中子源测试了其用于中子伽马识别、热中子注量探测、快中子能谱探测以及伽马能谱探测方面的性能，并实现了对中子、伽马注量率和能谱的同时探测。结果表明在0.1-10 MeV范围内，CLYC和CLLB均具有良好的线性并具有较好的能量分辨率，其中CLYC在662 keV的能量分辨率约为4%。CLYC探测器表现出了最优的综合性能，对于Am-Be中子源，CLYC识别中子、伽马的优值因子（FOM）达到2.5，对热中子的能量分辨率优于4%。CLYC探测器可通过35Cl(n,p)35S反应实现对快中子的探测，实验研究了CLYC在1.4 - 5.2 MeV单能中子入射时的响应，发现其具有良好的线性，可用于快中子的能谱探测，快中子峰的饱和因子（Quenching factor）为0.9，并表现出了良好的中子伽马识别能力，FOM值大于1.3。而CLLB晶体和塑料闪烁体在快中子输入下的FOM值为1.1和1.0，性能差于CLYC晶体。基于卷积神经网络方法，可实现对高计数率下复杂堆积信号类别的判断，结果表明神经网络算法对n、g、n+g、n+n脉冲的误判率小于1%，对于g+g和g+n脉冲的误判率小于3.6%，可给出远多于特征量算法的额外信息，具有较大的应用潜力和价值。