npeЯдерная физика и инжинирингNuclear Physics and Engineering2079-56292079-5637МИФИ10.56304/S2079562923010293npe-322Research ArticleМатематическое моделирование в ядерных технологияхMathematical Modeling in Nuclear TechnologiesНЕЙРОННЫЕ СЕТИ ДЛЯ ОБРАБОТКИ ЯДЕРНЫХ ЭМУЛЬСИЙNeural Networks for Nuclear Emulsion ProcessingВасильевВ. Т.VasilevV. T.КоноваловаН. С.KonovalovaN. S.ОкатьеваН. М.OkatevaN. M.ПолухинаН. Г.PolukhinaN. G.СадыковЖ. Т.SadykovZh. T.СтарковаЕ. Н.StarkovaE. N.СтарковН. И.StarkovN. I.ЧернявскийМ. М.ChernyavskiyM. M.ЩедринаТ. В.ShchedrinaT. V.tvshchedrina@gmail.comФизический институт им. П.Н. Лебедева РАН, Москва, 119991 РоссияRussian Federation2024050720241513135Copyright © Васильев В.Т., Коновалова Н.С., Окатьева Н.М., Полухина Н.Г., Садыков Ж.Т., Старкова Е.Н., Старков Н.И., Чернявский М.М., Щедрина Т.В., 20242024Васильев В.Т., Коновалова Н.С., Окатьева Н.М., Полухина Н.Г., Садыков Ж.Т., Старкова Е.Н., Старков Н.И., Чернявский М.М., Щедрина Т.В.Vasilev V.T., Konovalova N.S., Okateva N.M., Polukhina N.G., Sadykov Z.T., Starkova E.N., Starkov N.I., Chernyavskiy M.M., Shchedrina T.V.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://npe.elpub.ru/jour/article/view/322

Благодаря развитию оптической прецизионной и вычислительной техники, растет количество экспериментов, базирующихся на визуальных методах обработки данных трековых детекторов. Применение нейронных сетей для выделения кластеров в изображениях, полученных с помощью сканирующих станций нового поколения, позволит не только ускорить обработку изображений в ядерных эмульсиях, но и сделать процесс реконструкции трека на порядок более эффективным.

Due to the development of precision optical and computational techniques, the number of experiments based on visual methods of processing track detector data increases. Application of neural networks for cluster extraction in images obtained with new generation scanning stations will not only speed up processing of images in nuclear emulsions, but also make the track reconstruction process an order of magnitude more efficient.

нейронная сетьфотографическая ядерная эмульсиявыделение кластеров в изображенияхneural networkphotographic nuclear emulsioncluster extraction in imagesРабота поддержана Российским научным фондом по программе “Проведение фундамен- тальных научных исследований и поисковых на- учных исследований отдельными научными группами” (проект № 23-12-00054).This work was supported by the Russian Science Foundation, project no. 23-12-00054, under the program “Conducting Fundamental Scientific Research and Exploratory Scientific Research by Individual Scientific Groups.”References<em>Alexandrov A. et al.</em> // J. Instrum. 2016. V. 11 (6). P. P06002. https://doi.org/10.1088/1748-0221/11/06/P06002<em>Alexandrov A. et al.</em> // J. Instrum. 2016. V. 11 (6). P. P06002. https://doi.org/10.1088/1748-0221/11/06/P06002<em>Alexandrov A. et al.</em> // Sci. Rep. 2019. V. 9 (1). P. 2870. https://doi.org/10.1038/s41598-019-39415-8<em>Alexandrov A. et al.</em> // Sci. Rep. 2019. V. 9 (1). P. 2870. https://doi.org/10.1038/s41598-019-39415-8<em>Ronneberger O. et al.</em> // Proc. Intl. Conf. on Medical Image Computing and Computer-Assisted Intervention. 2015. P. 234. https://doi.org/10.48550/arXiv.1505.04597<em>Ronneberger O. et al.</em> // Proc. Intl. Conf. on Medical Image Computing and Computer-Assisted Intervention. 2015. P. 234. https://doi.org/10.48550/arXiv.1505.04597<em>Aleksandrov A.B. et al.</em> // Bull. Lebedev Phys. Inst. 2012. V. 39 (9). P. 269. https://doi.org/10.3103/S1068335612090059<em>Aleksandrov A.B. et al.</em> // Bull. Lebedev Phys. Inst. 2012. V. 39 (9). P. 269. https://doi.org/10.3103/S1068335612090059<em>Alexandrov A. et al.</em> // Measurement. 2022. V. 187. P. 110244. https://doi.org/10.1016/j.measurement.2021.110244<em>Alexandrov A. et al.</em> // Measurement. 2022. V. 187. P. 110244. https://doi.org/10.1016/j.measurement.2021.110244

The authors declare that there are no conflicts of interest present.