Facilidades de códigos de Monte Carlo para obter CSR

Giovane de Jesus Teixeira; Eric Matos Macedo; Walsan Wagner Pereira; Pedro Pacheco de Queiroz Filho; Regio dos Santos Gomes; Mariano Gazineu David; Luciana Tourinho Campos; Marcio Henrique Santos; Carlos Henrique Simões de Sousa

doi:10.15392/bjrs.v7i3B.891

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.

Views: 149
PDF Downloads: 246

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.