光子屏蔽光谱数据集(PSSD)：面向先进辐射安全评估的模拟综合光子通量屏蔽光谱

针对传统ANSI数据集在格式、物理过程模拟和材料覆盖范围的局限性，研究人员开发了光子屏蔽光谱数据集(PSSD)。该研究利用反应堆蒙特卡洛(RMC)代码模拟92种元素的屏蔽光谱，涵盖22个入射能量点和40个平均自由程(MFP)厚度，解决了传统点核(PK)方法中累积因子(BF)计算不准确的问题。PSSD支持多物理量转换，为AI驱动的辐射安全分析提供高分辨率数据基础，对核设施设计、医疗物理和航空航天辐射防护具有重要意义。

　　

在核能技术迅猛发展的今天，辐射安全评估始终是制约行业进步的关键瓶颈。传统ANSI/ANS-6.4.3标准数据集已服役三十余年，其基于上世纪物理模型的计算结果，不仅忽略了相干散射、轫致辐射等关键物理过程，更因仅覆盖22种元素而难以满足现代需求。更严峻的是，现有数据仅提供单点剂量值，无法支持人工智能时代对高维谱学数据的需求。这种数据荒漠严重制约了辐射屏蔽设计的精度与效率，成为核设施安全、太空辐射防护和医疗放射治疗等领域的技术痛点。

针对这一挑战，Junyi Chen等研究团队在《Scientific Data》发表突破性研究成果。他们采用清华大学开发的反应堆蒙特卡洛(RMC)代码，通过超算平台近百万CPU核心小时的运算，构建了迄今最完整的光子屏蔽光谱数据集(PSSD)。该数据集首次实现92种元素的全覆盖，记录22个入射能量点（0.1-10 MeV）在40个平均自由程(MFP)深度的精细能谱，并完整考虑相干散射、康普顿散射、光电效应、电子对产生和轫致辐射等物理过程。研究创新性地采用CADIS（一致性伴随驱动重要性采样）方差缩减技术，通过10项严格统计验证确保数据可靠性。

方法学突破

研究团队建立了无限大球体几何模型，采用RMC代码进行光子-电子耦合输运模拟。关键技术包括：1）基于ENDF/B-VIII.0数据库的连续截面计算；2）通过权重窗和能量截断处理深穿透问题；3）采用 Klein-Nishina 公式（描述光子与电子散射）和 Sauter 分布（模拟光电效应角分布）精确建模物理过程；4）开发自动化工作流批量处理92种元素的4,000+模拟工况。

数据验证与发现

ANSI数据对比验证

通过计算暴露累积因子(EBF)进行基准测试。如图8所示，碳元素在低能区(0.1 MeV)的PSSD结果显著高于ANSI数据，最大差异达10倍，证实传统方法低估散射贡献。铅元素在40 MFP处的数据一致性（图13）则验证了新方法在深穿透场景的可靠性。

能谱分布规律

热图分析（图14）揭示关键物理现象：1）所有元素在1.022 MeV（电子对产生阈值）和2.044 MeV处均出现通量骤降；2）低Z材料（如碳）的散射峰集中在<0.1 MeV，而高Z材料（如铅）的峰值右移；3）铁元素的深度分布（图15）显示电子慢化效应，特定能量区形成特征簇集。

应用前景

PSSD的三大革新使其成为辐射安全领域的里程碑：1）物理完整性，首次同时建模7种光子作用机制；2）工程适用性，支持任意剂量转换系数计算；3）AI友好性，提供结构化能谱而非单点值。该数据集已成功应用于清华大学核电站屏蔽优化项目，相比传统方法将计算效率提升400倍。

讨论部分强调，PSSD的谱学特性为机器学习模型提供了前所未有的训练维度。例如，卷积神经网络(CNN)可直接从能谱中提取特征，而生成对抗网络(GAN)可预测新型复合材料的屏蔽性能。研究者特别指出，未来将通过联邦学习技术实现全球核设施的数据协同，推动辐射安全进入智能预测时代。这项研究不仅填补了国际原子能机构(IAEA)长期关注的数据空白，更重新定义了二十一世纪辐射防护标准的技术范式。