Neutron-Gamma Discrimination in FPGA Using Support Vector Machines

Bc. Matyáš Hlavinka

Diplomová práce

Anotace:

Tato práce popisuje návrh a implementaci rozhodovací funkce strojového učení metodou podpůrných vektorů (SVM) na programovatelném hradlovém poli (FPGA). Model je učen externě na datech získaných tradiční metodou diskriminace tvaru pulzu, díky čemuž může navržené řešení sloužit jako rozšíření přístroje NGA-01 Neutron Gamma Analyser. Práce navrhuje dvě varianty řešení, které se liší nároky na prostředky, složitostí i přesností. Je provedena jejich analýza a porovnání s ohledem na možné kompromisy. Obě varianty jsou navrženy tak, aby bylo možné dynamicky měnit jejich parametry a přizpůsobit je různým typům měření.

Abstract:

This thesis describes the design and implementation of a support vector machine (SVM) decision function on a field-programmable gate array (FPGA) device. The external training is done on data obtained by traditional pulse shape discrimination so it may work alongside the NGA-01 Neutron Gamma Analyser as an extension. This thesis proposes two solutions with differing utilization, complexity, and accuracy. An analysis and comparison are performed to discuss potential trade-offs. Both solutions are designed with dynamic modification of their parameters in mind in order to be adaptable for different measurements.

Keywords

radiation detection, support vector machines, hardware acceleration

Jazyk práce: angličtina

Datum vytvoření / odevzdání či podání práce: 21. 5. 2025

Obhajoba závěrečné práce

• Obhajoba proběhla 20. 6. 2025
• Vedoucí: doc. RNDr. Zdeněk Matěj, Ph.D.
• Oponent: Ing. Ondřej Kolář

Masarykova univerzita

Fakulta informatiky

Magisterský studijní program / obor:
Počítačové systémy, komunikace a bezpečnost / Hardwarové systémy