Facilidades de códigos de Monte Carlo para obter CSR

Authors

  • Giovane de Jesus Teixeira Instituto de Radioproteção e Dosimentria/CNEN
  • Eric Matos Macedo Instituto de Radioproteção e Dosimentria/CNEN
  • Walsan Wagner Pereira Instituto de Radioproteção e Dosimentria/CNEN
  • Pedro Pacheco de Queiroz Filho Instituto de Radioproteção e Dosimentria/CNEN
  • Regio dos Santos Gomes Instituto de Radioproteção e Dosimentria/CNEN
  • Mariano Gazineu David Universidade do Estado do Rio de Janeiro
  • Luciana Tourinho Campos Universidade do Estado do Rio de Janeiro
  • Marcio Henrique Santos Instituto de Radioproteção e Dosimentria/CNEN
  • Carlos Henrique Simões de Sousa Instituto de Radioproteção e Dosimetria/CNEN https://orcid.org/0000-0002-4244-633X

DOI:

https://doi.org/10.15392/bjrs.v7i3B.891

Keywords:

Simulação, Monte Carlo, modelagem, camada semiredutora

Abstract

O uso da técnica de modelagem matemática pelo método de Monte Carlo (MC) utiliza funções probabilísticas e números "aleatórios" para a realização de cálculos que simulam sistemas físicos, como o transporte de partículas radioativas. A determinação das primeiras e segundas camadas semiredutoras para um espectro determinado e uma distância pré-definida testou a verificou as vantagens e desvantagens de cada código na resolução de uma tarefa comum. Os resultados foram coerentes, mas discrepantes entre si entre 2,5 e 6,0 %, concluindo que os quatro códigos são poderosos e de fácil utilização, requerendo pouco conhecimento de linguagem computacional, inicialmente.

Downloads

Download data is not yet available.

References

ROGERS DWO. Fifty years of Monte Carlo simulations for medical physics. Phys Med Biol. 2006;51(13):287.

SOKOLOWSKI J, BANKS C. Principles of modeling and simulation: a multidisciplinary approach. Hoboken; 2009.

ARNOLD FJ, PELÁ CA. Simulação computacional de campos ultra-sônicos. Rev Bras Ensino Física. 2004;26(3):223–31.

BIRDSALL CK, LANGDON AB. Plasma physics via computer simulation. New York CRC Press. 2004;504.

RADINSCHI I, ET. AL. Computer simulations of physics phenomena using flash. Int J Hands-on Sci. 2008;1(1):27–32.

SANTOS MH. Desenvolvimento de um simulador para espectrometria por fluorescência de raios X usando computação distribuída. UERJ; 2011.

KAWRAKOW I, ROGERS DWO. The EGSnrc Code System: Monte Carlo Simulation of Electron and Photon Transport. Technical Report PIRS-701. Ottawa,Canadá; 2000.

VILCHES M, GARCÍA-PAREJA S, GUERRERO R, ANGUIANO M, LALLENA AM. Monte Carlo simulation of the electron transport through thin slabs: A comparative study of penelope, geant3, geant4, egsnrc and mcnpx. Nucl Instruments Methods Phys Res Sect B Beam Interact with Mater Atoms. 2007;254(2):219–30.

KOIVUNORO H, SIISKONEN T, KOTILUOTO P, AUTERINEN I, HIPPELÄINEN E, SAVOLAINEN S. Accuracy of the electron transport in mcnp5 and its suitability for ionization chamber response simulations: A comparison with the egsnrc and penelope codes. Med Phys. 2012;39(3):1335–44.

ARCHAMBAULT JP, MAINEGRA-HING E. Comparison between EGSnrc, Geant4, MCNP5 and Penelope for mono-energetic electron beams. Phys Med Biol. 2015;60(13):4951–62.

GEANT4. GEANT4: a simulation toolkit. 2017.

REED AL. a Primer; Medical physics calculations with MCNP: 2007.

SALVAT F, FERNÁNDEZ-VAREA J, SEMPAU J. PENELOPE-2008: A Code System for Monte Carlo Simulation of Electron and Photon Transport. Workshop Proceedings. 2008.

MAINEGRA-HING E, KAWRAKOW I. Variance reduction techniques for fast Monte Carlo CBCT scatter correction calculations. Phys Med Biol. 2010;55:4495–4507.

ALLISON J, AL E. Recent developments in GEANT4. Nucl Instruments

Methods Phys Res A. 2016;835:186–225.

BERNAL MA, AL. E. Track structure modeling in liquid water: A review of the Geant4-DNA very low energy extension of the Geant4 Monte Carlo simulation toolkit. Phys Medica. 2015;31:861–874.

KYRIAKOU I, INCERTI S, FRANCIS Z. Technical Note: Improvements in GEANT4 energy‐loss model and the effect on low‐energy electron transport in liquid water. Med Phys. 2016;42(7):3870–3876.

MARTINS MC. Simulações por Monte Carlo de tratamentos de braquiterapia utilizando simuladores antropomórficos em voxel. UFRJ; 2014.

OKADA S, AL. E. GPU Acceleration of Monte Carlo Simulation at the Cellular and DNA Levels. In: CHEN, Y. W.; TORRO, C.; TANAKA, S.; HOWLETT, R.; C. JAIN, L. Innov Med Healthc Smart Innov Syst Technol. 2016;45.

PANDOLA L, ANDENNA C, CACCIA B. Validation of the GEANT4 simulation of bremsstrahlung from thick targets below 3 MeV. Nucl Instruments Methods Phys Res Sect B Beam Interact with Mater Atoms. 2015;350:41–8.

WRIGHT DH, KELSEY MH. The Geant4 Bertini Cascade. Nucl Instruments Methods Phys Res Sect A Accel Spectrometers, Detect Assoc Equip. 2015;804:175–88.

DAVID MG, PIRES EJ, BERNAL M A., PEIXOTO JG, DEALMEIDA CE. Experimental and Monte Carlo simulated spectra of standard mammography-quality beams. Br J Radiol. 2012;85(1013):629–35.

POZUELO F, GALLARDO S, QUEROL A, VERDU G, RODENAS J. X-ray simulation with the Monte Carlo code PENELOPE. Application to Quality Control. Conf Proc IEEE Eng Med Biol Soc. 2012;2012:5777–80.

AGUIRRE E, DAVID M, DEALMEIDA CE, BERNAL MA. Impact of photon cross section uncertainties on Monte Carlo-determined depth-dose distributions. Phys Medica. 2016;32(9):1065–71.

BIRCH R, MARCHALL M, ARDRAN GM, ANDRAN GM. Catalogue of spectral data for diagnostic X-rays. London; 1979.

Published

2019-10-24

Issue

Section

Congresso Brasileiro de Metrologia das Radiações Ionizantes - CBMRI 2018

How to Cite

Facilidades de códigos de Monte Carlo para obter CSR. Brazilian Journal of Radiation Sciences, Rio de Janeiro, Brazil, v. 7, n. 3B (Suppl.), 2019. DOI: 10.15392/bjrs.v7i3B.891. Disponível em: https://bjrs.org.br/revista/index.php/REVISTA/article/view/891.. Acesso em: 5 nov. 2024.

Similar Articles

1-10 of 255

You may also start an advanced similarity search for this article.

Most read articles by the same author(s)

1 2 > >>