In an antiproton production (Pbar) target station of the Fermi National Accelerator Laboratory (FNAL), the secondary particles produced by bombarding a target with 120-GeV protons are shielded by a thick iron shield. In order to obtain experimental data on high-energy neutron transport at more than 100-GeV-proton accelerator facilities, we indirectly measured more than 100-MeV neutrons at the outside of the iron shield at an angle of 50{\deg} in the Pbar target station. The measurement was performed by using the Au activation method coupled with a low-background {\gamma}-ray counting system. As an indicator for the neutron flux, we determined the production rates of 8 spallation nuclides (196-Au, 188-Pt, 189-Ir, 185-Os, 175-Hf, 173-Lu, 171-Lu, and 169-Yb) in the Au activation detector. The measured production rates were compared with the theoretical production rates calculated using PHITS. We proved that the Au activation method can serve as a powerful tool for indirect measurements of more than 100-MeV neutrons that play a vital role in neutron transport. These results will be important for clarifying the problems in theoretical calculations of high-energy neutron transport.


翻译:在Fermi国家加速器实验室(FNAL)的反质生产(Pbar)目标站中,轰炸120-GeV质子的目标产生的二级粒子被厚铁屏蔽。为了获得100-GeV-质加速器设施高能中子运输实验数据,我们在Pbar目标站的铁屏外间接测量了100-MeV中子,角度为50xdeg}。测量方法是使用Au激活方法,加上低后地(gamma)射线计数系统。作为中子通量的指标,我们确定了8个高能中子传输核素(196-Au、188-Pt、189-Ir、185-Os、175-Hf、173-Lu、171-Lu和169-Yb)的生产率。测量的产量与使用PHITS计算出的理论生产率进行了比较。我们确定,8个中子中子中子传输的产量率率(196-A)的计算方法在高空中可以作为重要的核心运输工具。

0
下载
关闭预览

相关内容

因果图,Causal Graphs,52页ppt
专知会员服务
246+阅读 · 2020年4月19日
开源书:PyTorch深度学习起步
专知会员服务
50+阅读 · 2019年10月11日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Arxiv
4+阅读 · 2019年12月2日
A Probe into Understanding GAN and VAE models
Arxiv
9+阅读 · 2018年12月13日
VIP会员
相关主题
相关资讯
Transferring Knowledge across Learning Processes
CreateAMind
27+阅读 · 2019年5月18日
Ray RLlib: Scalable 降龙十八掌
CreateAMind
9+阅读 · 2018年12月28日
A Technical Overview of AI & ML in 2018 & Trends for 2019
待字闺中
16+阅读 · 2018年12月24日
Hierarchical Imitation - Reinforcement Learning
CreateAMind
19+阅读 · 2018年5月25日
Reinforcement Learning: An Introduction 2018第二版 500页
CreateAMind
11+阅读 · 2018年4月27日
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Adversarial Variational Bayes: Unifying VAE and GAN 代码
CreateAMind
7+阅读 · 2017年10月4日
【推荐】视频目标分割基础
机器学习研究会
9+阅读 · 2017年9月19日
强化学习 cartpole_a3c
CreateAMind
9+阅读 · 2017年7月21日
Top
微信扫码咨询专知VIP会员