SKB (Svensk Kärnbränslehantering AB) planerar att förvara utbränt kärnbränsle i berggrunden, KBS-3 metoden. Enligt den s.k. KBS-3 metoden ska förvaret bestå av tre skyddsbarriärer, kopparkapslarna, bentonitleran och urberget. Bentonitlera har mycket goda barriäregenskaper och används för att omsluta kapseln. Leran expanderar vid upptag av vatten och har som funktion att agera som ett tätande material för att förhindra läckage av radionuklider. Detta arbete är fokuserat på gammastrålningens effekt på bentonitlerans svällningsgrad. Arbetet är utfört i avdelningen för Tillämpad Fysikalisk Kemi på Kungliga Tekniska Högskolan. I arbetet användes bentonitlera av typen Wyoming MX-80 och en total gammados på 34,56 kGy med en Cesium-137 källa. För att studera svällningskapaciteten hos bentonitlera pressades torr lera till lerpellets med en torr densitet på 2260 kg/m3 och lades sedan i provrör med avjoniserat vatten. Svällningen dokumenterades med kamera. Resultatet från svällningskapacitet försöken visade ingen märkbar skillnad i svällningsgrad mellan bestrålad och obestrålad lera. / SKB (Swedish Nuclear Fuel and Waste Management Company) is planning to store used nuclear fuel deep down in the bedrock, KBS-3 method. The repository will consist of 3 protective barriers, the copper canister, the bentonite clay and the bedrock. Bentonite clay has excellent barrier properties and is used to enclose the canister. The clay expands when it’s adsorbing water and has as function to act as a sealing material to prevent leakage of radionuclides. This work is focused on the gamma-ray effects on bentonite clays swelling capacity. The work is done in the department of Applied Physical Chemistry at the Royal Institute of Technology. Bentonite clay of the type Wyoming MX-80 and a total gamma-dose of 34,56 kGy with a Caesium-137 source where used in this work. To study the swelling capacity of bentonite clay, it was pressed to pellets with a dry density of 2260 kg/m3 and were put in into measuring tubes filled with deionized water. The swelling was documented with a camera. The results from the swelling capacity experiment showed no noticeable difference in swelling capacity between irradiated and nonirradiated clay.

Abstrakt Bakgrund: Barn som drabbas med tumörer behöver genomgå strålbehandling. För att uppnå optimala behandlingsresultat krävs sederingar eller generella anestesi. Tidigare studier har indikerat att strålningsspecifika effekter påverkade kognitiva funktioner hos barn. Syfte: Karakterisera biomarkörer för skador orsakade av strålning och undersöka de neurotoxiska effekterna som uppstår vid hög exponering för gammastrålning. Metod: Del1: Design av 8 primrar för musgenerna Hes1, Hes5, Timp1, Aldh11l1 . RNA-pool används från fem olika grupper. QPCR-metoden används för att bestämma effektiviteten hos de 8 primrarna. Del2: Experimenten utfördes på NMRI-möss på postnatal dag 10. Genuttryck undersöktes för 5 kontrollgrupper och 5 exponerade grupper för hög dos gammastrålning 2Gy. DNA-extraktion utfördes på hippocampus och prefrontalcortex från mössens hjärna. qPCR-metoden används för att studera uppreglering och nedreglering av gener. Resultat: Effektiviteten för primrarna Hes 5 = 80%, Hes1:2= 93% vilket uppfyllde kriterierna 80–110%. Resultat för genererad nedreglering av BDNF i hippocampus och uppreglering av Hes 5 och Jagged-1 i prefrontal cortex, vilket visade en signifikant skillnad mellan gruppernas medelvärden. Däremot observerade ingen signifikant skillnad i uttrycket av generna Nrf2, Grin2, Jagged-1 i hippocampus. Slutsats: Strålningsdoser som används för att behandla hjärntumörer hos barn kan påverka hur vissa allmänna uttryck och leda till dynamiska förändringar i uttrycket som styr normal hjärnutveckling.

While there are existing methods of gamma ray-track reconstruction in specialized detectors such as AGATA, including backtracking and clustering, it is naturally of interest to diversify the portfolio of available tools to provide us viable alternatives. In this study some possibilities found in the field of machine learning were investigated, more specifically within the field of graph neural networks. In this project there was attempt to reconstruct gamma tracks in a germanium solid using data simulated in Geant4. The data consists of photon energies below the pair production limit and so we are limited to the processes of photoelectric absorption and Compton scattering. The author turned to the field of graph networks to utilize its edge and node structure for data of such variable input size as found in this task. A graph neural network (GNN) was implemented and trained on a variety of gamma multiplicities and energies and was subsequently tested in terms of various accuracy parameters and generated energy spectra. In the end the best result involved an edge classifier trained on a large dataset containing a 10^6 tracks bundled together into separate events to be resolved. The network was capable of recalling up to 95 percent of the connective edges for the selected threshold in the infinite resolution case with a peak-to-total ratio of 68 percent for a set of packed data with a model trained on simulated data including realistic uncertainties in both position and energy. / Trots att det existerar en mängd metoder för rekonstruktion av spår i specialiserade detektorer som AGATA är det av naturligt intresse att diversifiera och undersöka nya verktyg för uppgiften. I denna studie undersöktes några möjligheter inom maskininlärning, närmare bestämt inom området neurala grafnätverk.  Under projektets gång simulerades data av fotoner i en ihålig, sfärisk geometri av germanium i Geant4. Den simulerade datan är begränsad till energier under parproduktion så datan består av reaktioner genom den fotoelektriska effekten och comptonspridning. Den variabla storleken på denna data och dess spridning i detektorns geometri lämpar sig för ett grafformat med nod och länkstruktur. Ett neuralt grafnätverk (GNN) implementerades och tränades på data med gamma av variabel multiplicitet och energi och evaluerades på ett urval prestandaparametrar och dess förmåga att generera ett användbart spektra. Slutresultatet involverade en länkklassificerings modell tränat på data med 10^6 spår sammanslagna till händelser. Nätverket återkallade 95 procent av positiva länkar för ett val av tröskelvärde i fallet med oändlig upplösning med ett peak-to-total på 68 procent för packad data behandlad med osäkerhet i energi och position motsvarande fallet med begränsad upplösning.