Resumen:
El espectro de neutrones se extiende en varias energías, por lo que el contador
empleado es el Espectrómetro de Esferas Bonner (BSS), al utilizar las tasas de
conteo y las Redes Neuronales Artificiales (ANNs), demuestran ser un método
alternativo en la espectrometría neutrónica. La CPU está limitada a realizar cálculos
computacionalmente intensivos. Por lo que una Unidad de Procesamiento Gráfico
(GPU) es atractiva para la computación con ANN, ya que trabaja en paralelo. Este
estudio determinó el espectro de neutrones a partir de las 7 tasas de conteo
obtenidas del BSS mediante una ANN entrenada en CPU y GPU NVIDIA®. De la
base de datos del Organismo Internacional de Energía Atómica (OIEA) se
obtuvieron espectros de neutrones. Las tasas de conteo del BSS y el espectro están
relacionados a través de la ecuación de Fredholm que es un sistema mal
condicionado. Para la solución del problema se diseñó una ANN feedforward,
conformada por 7 entradas, 2 capas ocultas y una de salida de 25, 25 y 27 neuronas.
Para el entrenamiento de la red se tomaron 182 espectros, mediante el algoritmo
de gradiente conjugado descendente (SCG) se actualizaron los valores de los pesos
sinápticos y bias. Para la validación se tomaron los 12 de espectros restantes y se
compararon los espectros reconstruidos por la ANN con los originales usando la
prueba estadística Chi Cuadrada 𝜒
2
. El diseño fue realizado con los toolbox de
redes neuronales y de computación paralela, de MATLAB® 2015a. El entrenamiento
se realizó en CPU con uno y varios núcleos, en CPU con GPU, y en GPU. El
rendimiento computacional de las ANN es mejor con el algoritmo SCG, pero por el
contario se necesita mayor capacidad de memoria. El cuello de botella en el
procesamiento entre CPU y GPU es la velocidad de transmisión en el ducto PCI-E.
Descripción:
The neutron spectrum extends at several energies, so the counter used is the
Bonner Spheres Spectrometer (BSS), using counting rates and Artificial Neural
Networks (ANNs), prove to be an alternative method in neutron spectrometry. The
CPU is limited to computationally intensive calculations. So a Graphics Processing
Unit (GPU) is attractive for computing with ANN, since it works in parallel. This study
determined the neutron spectrum from the 7 counting rates obtained from the BSS
using an ANN-trained CPU and NVIDIA® GPU. Neutron spectra were obtained from
the International Atomic Energy Agency (IAEA) database. The counting rates of the
BSS and the spectrum are related through the Fredholm equation which is a poorly
conditioned system. To solve the problem an ANN feedforward was designed,
consisting of 7 inputs, 2 hidden layers and an output of 25, 25 and 27 neurons. For
the network training 182 spectra were taken, the values of the synaptic and bias
weights were updated using the gradient conjugate descending algorithm (SCG).
For the validation the remaining 12 spectra were taken and the spectra reconstructed
by the ANN with the originals were compared using the Chi Square test 𝜒
2
. The
design was done with the neural network and parallel computing toolbox, MATLAB®
2015a. The training was performed in CPU with one and several cores, in CPU with
GPU, and in GPU. The computational performance of the ANNs is better with the
SCG algorithm, but on the contrary, it requires more memory capacity. The
bottleneck in processing between CPU and GPU is the transmission speed in the
PCI-E duct.