radioactivedecay 다운로드 - radioactivedecay 소스 코드 다운로드

radioactivedecay

AI 소스 코드

Release 0.5.1

다운로드

radioactivedecay 는 방사성 붕괴 계산을위한 파이썬 패키지입니다. 방사성 핵종, 주식 상태 및 분지 붕괴의 붕괴 사슬을 지원합니다. 기본적으로 ICRP Publication 107의 붕괴 데이터는 97 개 요소의 1252 방사성 핵종과 원자 질량 데이터 센터의 원자 질량 데이터를 포함합니다.

이 코드는 Numpy 및 Scipy Linear Algebra 루틴을 사용하여 분석적으로 방사성 붕괴 미분 방정식을 해결합니다. 심피 루틴을 사용하는 높은 수치 정밀 계산 모드도 있습니다. 이것은 반감기 사이의 크기 차이가있는 방사성 핵종을 함유 한 붕괴 사슬에 대해보다 정확한 결과를 제공합니다.

이것은 무료 오픈 소스 소프트웨어입니다. 그것은 방사능과 함께 일하는 엔지니어, 기술자 및 연구원을 위해 만들어졌으며 교육용 사용을 위해 만들어졌습니다.

전체 문서 : https://radioactivedecay.github.io/

설치

radioactivedecay 에는 Python 3.8+가 필요합니다. pip 사용하여 Python 패키지 인덱스에서 radioactivedecay 설치하십시오.

$ pip install radioactivedecay

또는 Conda-Forge에서 :

$ conda install -c conda-forge radioactivedecay

어느 중 어느 쪽이든 명령은 환경에 아직 존재하지 않는 경우 종속성 (Matplotlib, Networkx, Numpy, Pandas, Scipy, Setuptools & Sympy)을 설치하려고 시도합니다.

용법

붕괴 계산

방사성 핵화물 Inventory 만들고 다음과 같이 부패하십시오.

>>> import radioactivedecay as rd
>>> Mo99_t0 = rd.Inventory({ ' Mo-99 ' : 2.0 }, ' Bq ' )
>>> Mo99_t1 = Mo99_t0.decay( 20.0 , ' h ' )
>>> Mo99_t1.activities( ' Bq ' )
{'Mo-99': 1.6207863893776937, 'Ru-99': 0.0,
 'Tc-99': 9.05304236308454e-09, 'Tc-99m': 1.3719829376710406}

2.0 BQ의 MO-99의 Inventory 20 시간 동안 붕괴시켜 방사성 자손 TC-99M 및 TC-99 및 안정적인 핵종 RU-99를 생성 하였다.

우리는 붕괴 기간이 시간 단위를 지정하기 위해 decay() 의 인수로 'h' 공급했습니다. 지원되는 시간 단위에는 'μs' , 'ms' , 's' , 'm' , 'h' , 'd' , ' 's' 'y' 등이 포함됩니다 decay()

cumulative_decays() 사용하여 붕괴 기간 동안 붕괴되는 각 방사성 핵종의 총 원자 수를 계산합니다.

>>> Mo99_t0.cumulative_decays( 20.0 , ' h ' )
{'Mo-99': 129870.3165339939, 'Tc-99m': 71074.31925850797,
'Tc-99': 0.0002724635511147602}

방사성 핵화물은 radioactivedecay 에서 4 가지 동등한 방식으로 지정 될 수있다 : 핵종 줄의 세 가지 변이 또는 표준 ID에 의해. 예를 들어, 다음은 ²²² RN 및 ^192N IR을 지정하는 동등한 방법입니다.

'Rn-222' , 'Rn222' , '222Rn' , 862220000 ,
'Ir-192n' , 'Ir192n' , '192nIr' , 771920002 .

재고는 활동 ( 'Bq' , 'Ci' , 'dpm' ...), mass ( 'g' , 'kg' ...), Mole ( 'mol' , 'kmol' ...) 단위 또는 핵 ( 'num' )를 공급하여 Inventory() 할 수 있습니다. 메소드 activities() , masses() , moles() , numbers() , activity_fractions() , mass_fractions() 및 mole_fractions() 사용하여 다른 형식으로 인벤토리의 내용을 얻습니다.

>>> H3_t0 = rd.Inventory({ ' H-3 ' : 3.0 }, ' g ' )
>>> H3_t1 = H3_t0.decay( 12.32 , ' y ' )
>>> H3_t1.masses( ' g ' )
{'H-3': 1.5, 'He-3': 1.4999900734297729}
>>> H3_t1.mass_fractions()
{'H-3': 0.5000016544338455, 'He-3': 0.4999983455661545}

>>> C14_t0 = rd.Inventory({ ' C-14 ' : 3.2E24 }, ' num ' )
>>> C14_t1 = C14_t0.decay( 3000 , ' y ' )
>>> C14_t1.moles( ' mol ' )
{'C-14': 3.6894551567795797, 'N-14': 1.6242698581767292}
>>> C14_t1.mole_fractions()
{'C-14': 0.6943255713073281, 'N-14': 0.3056744286926719}

붕괴 그래프 플롯

시간이 지남에 따라 인벤토리의 붕괴를 그래프하려면 plot() 메소드를 사용하십시오.

>>> Mo99_t0.plot( 20 , ' d ' , yunits = ' Bq ' )

그래프는 20 일에 걸쳐 Mo-99의 붕괴를 보여 주며, TC-99m의 Ingrowth와 TC-99의 미량량이 나타납니다. Ru-99의 활성은 붕괴 체인의 끝에서 안정적인 핵종이기 때문에 엄격하게 0입니다. 그래프는 matplotlib를 사용하여 그려집니다.

붕괴 데이터를 가져옵니다

Nuclide 클래스는 RN-222에 대한 개별 방사성 핵종에 대한 붕괴 정보를 가져올 수 있습니다.

>>> nuc = rd.Nuclide( ' Rn-222 ' )
>>> nuc.half_life( ' s ' )
330350.4
>>> nuc.half_life( ' readable ' )
'3.8235 d'
>>> nuc.progeny()
['Po-218']
>>> nuc.branching_fractions()
[1.0]
>>> nuc.decay_modes()
['α']
>>> nuc.Z  # proton number
86
>>> nuc.A  # nucleon number
222
>>> nuc.atomic_mass  # atomic mass in g/mol
222.01757601699998

부패 데이터를 가져 오는 유사한 인벤토리 방법이 있습니다.

>>> Mo99_t1.half_lives( ' readable ' )
{'Mo-99': '65.94 h', 'Ru-99': 'stable', 'Tc-99': '0.2111 My', 'Tc-99m': '6.015 h'}
>>> Mo99_t1.progeny()
{'Mo-99': ['Tc-99m', 'Tc-99'], 'Ru-99': [], 'Tc-99': ['Ru-99'], 'Tc-99m': ['Tc-99', 'Ru-99']}
>>> Mo99_t1.branching_fractions()
{'Mo-99': [0.8773, 0.1227], 'Ru-99': [], 'Tc-99': [1.0], 'Tc-99m': [0.99996, 3.7e-05]}
>>> Mo99_t1.decay_modes()
{'Mo-99': ['β-', 'β-'], 'Ru-99': [], 'Tc-99': ['β-'], 'Tc-99m': ['IT', 'β-']}

붕괴 체인 다이어그램

Nuclide 클래스에는 붕괴 체인 다이어그램을 그리는 plot() 메소드가 포함됩니다.

>>> nuc = rd.Nuclide( ' Mo-99 ' )
>>> nuc.plot()

이 다이어그램은 NetworkX 및 Matplotlib를 사용하여 그려집니다.

높은 수치 정밀 붕괴 계산

radioactivedecay 에는 높은 수치 정밀 계산을위한 InventoryHP 클래스가 포함됩니다. 이 클래스는 장거리 및 단기 방사성 핵종을 포함하는 체인에 대해보다 신뢰할 수있는 붕괴 계산 결과를 제공 할 수 있습니다.

>>> U238_t0 = rd.InventoryHP({ ' U-238 ' : 1.0 })
>>> U238_t1 = U238_t0.decay( 10.0 , ' d ' )
>>> U238_t1.activities()
{'At-218': 1.4511675857141352e-25,
 'Bi-210': 1.8093327888942224e-26,
 'Bi-214': 7.09819414496093e-22,
 'Hg-206': 1.9873081129046843e-33,
 'Pa-234': 0.00038581180879502017,
 'Pa-234m': 0.24992285949158477,
 'Pb-206': 0.0,
 'Pb-210': 1.0508864357335218e-25,
 'Pb-214': 7.163682655782086e-22,
 'Po-210': 1.171277829871092e-28,
 'Po-214': 7.096704966148592e-22,
 'Po-218': 7.255923469955255e-22,
 'Ra-226': 2.6127168262000313e-21,
 'Rn-218': 1.4511671865210924e-28,
 'Rn-222': 7.266530698712501e-22,
 'Th-230': 8.690585458641225e-16,
 'Th-234': 0.2499481473619856,
 'Tl-206': 2.579902288672889e-32,
 'Tl-210': 1.4897029111914831e-25,
 'U-234': 1.0119788393651999e-08,
 'U-238': 0.9999999999957525}

방사능 에케이의 작동 방식

radioactivedecay 선형 대수 연산을 사용하여 방사성 붕괴 미분 방정식에 대한 분석 솔루션을 계산합니다. 이 논문에 설명 된 방법을 구현합니다. M Amaku, Pr Pascholati & Vr Vanin, Comp. 물리 통신. 181, 21-23 (2010). 자세한 내용은 이론 문서를 참조하십시오.

표준 붕괴 계산 (이중 프레임 플로팅 지점 작업)에 Numpy 및 Scipy 루틴을 사용하고 임의의 수치 정밀 계산을위한 Sympy를 사용합니다.

기본적으로 radioactivedecay ICRP Publication 107 (2008)의 붕괴 데이터와 원자 질량 데이터 센터 (AMDC -AME2020 및 Nubase2020 평가)의 원자 질량 데이터를 사용합니다.

DataSets Repo에는 radioactivedecay (예 : ICRP 107)가 사용할 수있는 부패 데이터 세트를 생성하기위한 Jupyter 노트북이 포함되어 있습니다.

Repo의 비교에는 Pyne 및 방사선 도구 상자에 대한 radioactivedecay 에 대한 일부 점검이 포함되어 있습니다.