新西伯利亚国立大学开发出一种测量超低浓度放射性物质的方法

新西伯利亚国立大学物理系的科学家开发出了一种测量衰变伴随伽马辐射的超低浓度放射性物质的方法。

数据收集是使用超纯锗制成的探测器进行的，该探测器是新西伯利亚国立大学原子物理和光谱学跨院系实验室的设备的一部分;我们已经创建了一个特殊的硬件和软件综合体来处理数据。使用该方法实施的第一个项目是确定克麦罗沃地区矿山和露天煤矿土壤中放射性物质(氡)含量的研究工作。

为了测量土壤样本中各种核素的放射性，使用超纯锗制成的探测器收集伽马射线光谱。这是一种独特的设备，可以非常精确地测定放射性物质发射的伽马量子的能量。锗是地球岩石圈中的一种稀有化学元素。与硅一样，它是一种半导体，用于微电子领域，但应用范围较窄。作为探测器材料，它的光子探测效率比硅高，因此不仅用于X射线探测器，还用于伽马辐射探测器。采用区熔法获取超纯锗是一个复杂而缓慢的净化过程，这决定了设备制造的成本高、复杂性。

有些设备可以比锗探测器更高效地记录伽马辐射，但只有它才能区分间距很近的伽马量子能量，从而区分来自不同放射性核素的伽马量子。这被称为高能量分辨率，对于由超纯锗制成的探测器来说，它在原子核伽马量子特征能量范围内(兆电子伏特单位)约为 0.01%。当需要将背景辐射与样品辐射分离并确定特定发射的放射性核素时，高分辨率对于测量超低浓度放射性物质起着决定性的作用。

新西伯利亚国立大学的科学家开发出一种独特的高灵敏度方法，可以测定任何样本(土壤、地面、岩石等)中的超低浓度放射性物质。该方法在实施确定克麦罗沃地区矿山和煤矿露天矿土壤中放射性物质(特别是氡)含量的项目期间得到了测试并被证明是有效的。 2024 年春季，克麦罗沃国立大学的工作人员向 NSU 提出了这项任务。 KemSU 的研究旨在确定土壤类型、人为(例如采矿)和自然的土壤和气候变化对放射性环境的影响。将来，这可能使我们预测住房建造过程中的辐射情况。

“这项任务的主要困难是提供的土壤样本中放射性物质的浓度非常低。因此，为了获得可靠的结果，需要收集大量的统计数据，包括样本本身和背景的统计数据，随后将背景的指标“减去”。这项工作持续了近六个月，我们的参与者包括新西伯利亚国立大学原子物理和光谱跨院系实验室的研究人员，以及在学业期间接受实践培训的学生，”新西伯利亚国立大学物理系高级讲师埃琳娜·斯塔罗斯蒂娜 (Elena Starostina) 说。

第一阶段涉及直接在探测器上收集数据。总的来说，KemSU 的同事提供了约 230 个样本，重量从 100 到 250 克不等，这些样本来自不同地点和不同深度——半米、一米和一米半。从 2024 年 5 月到 11 月，每天收集数据，并且每周收集不含样本的背景光谱。

实验装置如下：探测器由超纯锗制成，由氮气低温恒温器冷却，周围环绕着壁厚约10 mm的铅管。该管道将​​房间内背景伽马量子的流动抑制了约三倍。管道放置在带有探测器孔的桌子上。将样品直接放置在探测器上。

“在测量接近自然浓度的超低浓度时，主要的困难与背景辐射有关。我们可以使用铅屏来削弱它，我们就是这么做的，但是它无法完全消除。即使采取所有措施，样本的辐射仍然比背景辐射弱 7 倍以上。为了获得背景和实际样本之间的良好对比度，需要长时间收集光谱。每个样品的光谱以半小时为单位进行采集，持续至少三个小时，然后选取质量较好的半小时光谱，使得总统计时间至少为 2.5 小时。 “每周一次，我们会收集数小时的背景光谱，”新西伯利亚国立大学原子物理与光谱学跨学院实验室高级讲师兼馆长维亚切斯拉夫·卡明斯基 (Vyacheslav Kaminsky) 分享了实验的细节。

该实验的另一个特点是，测量的几何形状使得来自样品的伽马量子只有大约 10% 到达探测器。有井型超纯锗探测器，几乎四面包围样品，但只能容纳小样品。新西伯利亚国立大学的超纯锗探测器可以处理任意尺寸的样品，所开发的技术在某种意义上弥补了伽马量子配准效率的不足。

实验数据呈现为具有伽马线峰值和连续“背景”的光谱。这些峰的形状复杂：它们类似于高斯曲线，左右两侧的宽度不同，左侧有一个“尾巴”，左右两侧的底部有不同的层次。以能量单位表示的“钟”的宽度表征了探测器的分辨率：峰值越窄，可以进行的测量越精细。这种峰形是由伽马量子与探测器物质和环境相互作用的过程(例如康普顿效应)以及半导体吸收伽马量子并收集过程中形成电荷的过程提供的。

收集到数据后，研究人员面临的任务是确定样本中的辐射，消除背景辐射。对光谱进行了处理并计算了放射性核素的活度。

“该方法包括在获得的数据中，背景和样本之间的差异非常小，对样本和背景的光谱进行各个伽马线的联合拟合。每个发射伽马量子的同位素可以有十几条伽马线，它们不同，具有不同的能量和不同的强度。首先，选择良好、强烈的线条，使它们彼此不太靠近。使用一组良好、强烈的线条来调整每个峰值，并且同时对背景和样本的背景进行调整。为了测量峰值的幅度，以及正确估计测量误差，这种复杂的程序是必要的。 维亚切斯拉夫·卡明斯基说：“不可避免地存在背景的样本和仅有背景的样本的振幅之间的差异就是样本本身的指标。”

开发了几个用 Python 编写的程序来收集和处理实验数据。第一个是用于自动光谱采集，它还记录哪个操作员设置了样品。另一个用于光谱的选择、校准和求和。第三部分是计算放射性核素的活度。此外，还有一个单独的程序计算了探测器的绝对效率。科学家使用经典统计方法来确定峰值参数，例如在 MINUT2 软件库中实现的最小二乘法。

研究结果发现，样本中只含有放射性同位素钾-40、钍-232和铀-238及其衰变产物，这些是土壤、岩石和许多建筑材料中常见的放射性核素。样品的比活度范围为每克0.1至2贝克勒尔(每克衰变数)。这些值都在安全范围内，但活性最高的样本(误差约为7%)相当于几根香蕉(参见“香蕉当量”，香蕉之所以有活性主要归功于其所含的钾-40)。活性最低的样本相当于半根香蕉，误差超过 50%，这表明该方法的灵敏度非常高。目前，KemSU研究组已经收到测量结果并正在处理。

因此，新西伯利亚国立大学科学家开发的方法可以测量极低水平的辐射并将其与特定的辐射剂——放射性核素联系起来。该方法可用于监测环境状况、绘制辐射事故后的放射性污染图等。

科学家们计划向俄罗斯专利局注册一个数据处理程序，对该方法进行认证和许可，并从长远来看，创建一个集体使用的中心，使用光学、X射线和伽马范围内的光谱方法对样品进行全面的化学分析。