بررسی مشخصات حفاظ پرتوی گاما با افزایش غلظت ۲TiO در نمونه شیشه ای ۳O۲Al-۴O۳Pb-ZnO-۳O۲Bi با ابزارهای شبیه سازی و محاسباتی
محل انتشار: مجله علوم و فنون هسته ای، دوره: 44، شماره: 4
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 65
فایل این مقاله در 9 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_JONSAT-44-4_009
تاریخ نمایه سازی: 5 مهر 1402
چکیده مقاله:
در این مطالعه ما با استفاده از کد مونت کارلو MCNP خواص حفاظت در برابر اشعه گاما سیستم شیشه ای با ترکیب با غلظت های مشخص (۳۵، ۳۰، ۲۵، ۲۰، ۱۵، ۱۰، ۵ =x درصد مول) را با محاسبه چندین پارامتر مربوط به تضعیف فوتون مانند لایه نیم جذب (HVL)، پویش آزاد میانگین (MFP)، ضریب تضعیف جرمی (𝜇m)، عدد اتمی موثر (Zeff) و ضریب انباشت (BF) برای سطوح مختلف انرژی در محدودهkeV۱۰۰-۱۵۰۰ بررسی کردیم. برای تایید نتایج شبیه سازی، نتایج حاصل از شبیه سازی با داده های مستخرج از پایگاه داده XCOMمقایسه شد. مشاهده شد که داده های مستخرج از پایگاه NIST-XCOM و نتایج کد کامپیوتری MCNP توافق خوبی با یکدیگر دارند. درصد انحراف (PD)بین داده های مستخرج از پایگاه NIST-XCOM و نتایج حاصل از کد کامپیوتری MCNP در بیشتر موارد کمتر از ۵۹/۰ درصد بود. نتایج نشان می دهد که در مقایسه با مواد حفاظ مرسوم مانند بتن و سرب، ترکیب جدید پارامترهای تضعیف موثرتری را علاوه بر خواص فیزیکی نشان می دهد. شیشه با بالاترین غلظت ۲TiO از نظر چگالی مطلوب ترین حالت را در مقایسه با مواد حفاظ بررسی شده دارد. در این مطالعه از یکی از روش های کاهش واریانس برای کاهش خطای محاسبات MCNP استفاده شد. توافق بین داده های مستخرج از پایگاه NIST-XCOM و نتایج حاصل از شبیه سازی های این مطالعه نشان می دهد که مدل سازی مونت کارلو یک روش خوب جهت بررسی مشخصات حفاظ پرتوی گاما می باشد.
کلیدواژه ها:
نویسندگان
علی اروانه
دانشکده مهندسی انرژی، دانشگاه صنعتی شریف، صندوق پستی: ۱۴۵۶۵-۱۱۱۴، تهران - ایران
علی اسدی
دانشکده مهندسی انرژی، دانشگاه صنعتی شریف، صندوق پستی: ۱۴۵۶۵-۱۱۱۴، تهران - ایران
سیدابوالفضل حسینی
دانشکده مهندسی انرژی، دانشگاه صنعتی شریف، صندوق پستی: ۱۴۵۶۵-۱۱۱۴، 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 :