انجمن حفاظت در برابر اشعه ایران مجله سنجش و ایمنی پرتو 23225971 12 2 2023 08 23 Calculation and comparison of proton stopping power in different targets using RBF and MLP neural networks محاسبه توان ایستانندگی ذره پروتون در اهداف مختلف به‌وسیله شبکه‌های عصبی شعاعی و پرسپترون چند لایه 103 109 113959 10.22052/rsm.2023.253107.1030 FA محمد رضا منجم زاده گروه مهندسی هسته‌ای، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران محسن خردمند سعدی گروه مهندسی هسته‌ای، واحد علوم و تحقیقات، دانشگاه آزاد اسلامی، تهران، ایران Journal Article 2023 06 13 Calculation of stopping power and range of different ions is extremely important due to their special importance at controversy of shielding and health physics. Although the so-called Bethe-Bloch relationship describes well how to reduce the energy of particles, the difference in the interaction mechanisms of ions and light and heavy particles in a wide range of energy values causes that the accurate estimation of this relationship requires various corrections. In this article, in order to simulate stopping power changes in terms of proton inclining beam energy with different ions, artificial neural network and multilayer perceptron techniques will be used. And high efficiency of suggested way for stopping power and range and valid artificial model are achieved by comparing results of the neural network with results of calculating SRIM code and also available experimental data. محاسبه توان ایستانندگی و برد یون­های مختلف به دلیل اهمیت ویژه آن‌­ها در مباحث حفاظت در برابر اشعه و حفاظ­ سازی بسیار حائز اهمیت می‌­باشد. اگرچه رابطه موسوم به بته-بلاخ بخوبی نحوه کاهش انرژی ذرات را توصیف می‌­کند اما تفاوت سازوکارهای برهم‌کنش یون‌­ها و ذرات سبک و سنگین در طیف وسیعی از مقادیر انرژی سبب می‌­گردد تا برآورد دقیق این رابطه مستلزم ارائه تصحیحات مختلفی باشد. این تصحیحات در نواحی مختلف متفاوت بوده و بین آن‌ها هم‌پوشانی وجود دارد، به‌نحوی‌که نمی‌توان نسخه واحدی را برای طیف وسیعی از پرتابه‌ها و مقادیر انرژی ارائه کرد. این موضوع سبب پیچیدگی محاسبات مربوط به توان ایستانندگی می‌­گردد. در این مقاله از تکنیک هوش مصنوعی مبتنی بر شبکه‌­های عصبی شعاعی و پرسپترون چند لایه به منظور شبیه­‌سازی تغییرات توان ایستانندگی بر حسب تغییرات انرژی پروتون فرودی در اهداف مختلف استفاده گردید. مقایسه نتایج حاصل از شبکه عصبی با نتایج محاسبات کد SRIM و نیز داده‌­های تجربی نشان‌­دهنده کارایی بالای روش پیشنهادی برای تغییرات توان ایستانندگی و معتبر بودن مدل مصنوعی به‌دست آمده است. https://rsm.kashanu.ac.ir/article_113959_d31a946d9e0e60a7c8b4133f18b3a9a5.pdf