TÜRKÇE
ENGLISH
Genel Bilgi
| Birim | FEN BİLİMLERİ ENSTİTÜSÜ |
| FİZİK (YL) | |
| Kod | FK743 |
| Ad | Lüminesans Dozimetride Yapay Zeka Uygulamaları |
| Dönem | 2026-2027 Eğitim-Öğretim Yılı |
| Dönem | Güz |
| Süre (T+U) | 3-0 (T-U) (17 Hafta) |
| AKTS | 6 AKTS |
| Yerel Kredi | 3 Yerel Kredi |
| Eğitim Dil | Türkçe |
| Seviye | Belirsiz |
| Tür | Normal |
| Öğretim Şekli | Yüz Yüze Öğretim |
| Bilgi Paketi Koordinatörü | Prof. Dr. MEHMET YÜKSEL |
| Dersin Öğretim Elemanı |
Güncel dönem ders programı henüz yapılmamıştır.
|
Dersin Amacı / Hedefi
Bu dersin amacı, yapay zeka ve makine öğrenmesi yöntemlerini kullanarak TL ve OSL dozimetri verilerinin analiz edilmesi, iyonlaştırıcı radyasyon dozunun belirlenmesi ve yapay zeka tabanlı doz tahmin modellerinin geliştirilmesine yönelik bilgi kazandırmaktır.
Dersin İçeriği
Termolüminesans (TL) ve optik uyarımlı lüminesans (OSL) dozimetri yöntemlerinin temel prensipleri, lüminesans mekanizmaları ve tuzak–rekombinasyon merkezleri, TL ışıma eğrileri ve OSL bozunum eğrilerinin fiziksel özellikleri ve analizi, lüminesans sinyallerinden iyonlaştırıcı radyasyon dozunun belirlenmesi, lüminesans verilerinin işlenmesi ve sinyal analizi yöntemleri, yapay zeka ve makine öğrenmesinin temel kavramları, yapay sinir ağları (ANN) ve eğitim algoritmaları, lüminesans verilerinin yapay zeka tabanlı modellenmesi, iyonlaştırıcı radyasyon dozlarından TL ışıma eğrileri ve OSL bozunum eğrilerinin tahmini, optimizasyon algoritmaları ile model iyileştirme, model doğrulama ve performans değerlendirme yöntemleri, hata metrikleri (RMSE, MAE) ve doz tahminlerinde belirsizlik analizleri.
Dersin Ön Koşulu
Bu dersin önkoşulu bulunmamaktadır.
Kaynaklar
1) Horowitz, Y.S. (1984). Thermoluminescence and Thermoluminescent Dosimetry. CRC Press, 2) Boetter-Jensen, L., McKeever, S.W.S., Wintle, A.G. (2003). Optically Stimulated Luminescence Dosimetry. Elsevier., 3) Bishop, C. (2006). Pattern Recognition and Machine Learning. Springer.
Notlar
Ders notları, Ders sunumları, Makale ve Bildiriler: 1) Yüksel M., Ünsal, E.,Thermoluminescence Properties of Plagioclase Mineral and Modelling of TL Glow Curves with Artificial Neural Networks, Applied Sciences, vol.15(8), 4260, April 2025., 2) Yüksel M., Deniz, F., Ünsal, E.,ANN-Based Prediction of OSL Decay Curves in Quartz from Turkish Mediterranean Beach Sand, Crystals, vol.15(8), 733, August 2025. 3) Yüksel, M., (2022). Yapay Sinir Ağları ile Radyasyon Dozu Tahmini . 3. Uluslararası Katılımlı Radyasyondan Korunma Kongresi (pp.2). Ankara, Turkey
Dersin Öğrenme Çıktıları
| Sıra | Dersin Öğrenme Çıktıları |
|---|---|
| ÖÇ01 | Termolüminesans (TL) ve optik uyarımlı lüminesans (OSL) dozimetri yöntemlerinin temel fiziksel prensiplerini açıklar. |
| ÖÇ02 | TL ışıma eğrileri ve OSL bozunum eğrilerinin özelliklerini analiz eder ve yorumlar. |
| ÖÇ03 | Lüminesans ölçümlerinden elde edilen verileri kullanarak iyonlaştırıcı radyasyon dozlarını hesaplar ve yorumlar. |
| ÖÇ04 | TL ve OSL sinyallerinden radyasyon dozunun belirlenmesi için veri işleme ve modelleme yöntemlerini uygular. |
| ÖÇ05 | Yapay sinir ağları (ANN) ve makine öğrenmesi algoritmalarını kullanarak lüminesans sinyallerini modeller. |
| ÖÇ06 | İyonlaştırıcı radyasyon dozlarından TL ışıma eğrileri ve OSL bozunum eğrilerini tahmin eden yapay zeka modelleri geliştirir. |
| ÖÇ07 | Optimizasyon algoritmaları ve model doğrulama yöntemlerini kullanarak yapay zeka modellerinin performansını değerlendirir ve iyileştirir. |
| ÖÇ08 | RMSE, MAE gibi hata metriklerini ve belirsizlik analizlerini kullanarak lüminesans doz tahmini modellerinin güvenilirliğini yorumlar. |
Program Öğrenme Çıktıları ile İlişkisi
| Sıra | Tür | Program Öğrenme Çıktıları | Duzey |
|---|---|---|---|
| PÖÇ01 | Bilgi - Kuramsal, Olgusal | Fiziğin çeşitli konularında yeterli altyapıya sahip olur. | |
| PÖÇ02 | Bilgi - Kuramsal, Olgusal | Fizikte matematiksel yöntemleri kullanır. | 4 |
| PÖÇ03 | Bilgi - Kuramsal, Olgusal | Deney ve gözlem sonuçlarını yorumlar. | 3 |
| PÖÇ04 | Bilgi - Kuramsal, Olgusal | Fizik alanında edindiği uzmanlık düzeyindeki kuramsal ve uygulamalı bilgileri kullanır. | 3 |
| PÖÇ05 | Bilgi - Kuramsal, Olgusal | Bilimsel araştırmanın mantığı hakkında bilgi sahibi olur. | 3 |
| PÖÇ06 | Bilgi - Kuramsal, Olgusal | Deneysel bir projenin sonuçlarını veya bir fizik probleminin çözümünü yazılı ve sözlü olarak sunar. | |
| PÖÇ07 | Bilgi - Kuramsal, Olgusal | Bilimsel araştırma yapmak için gerekli olan yayın, kitap ve yöntemleri seçer ve kullanır. | 3 |
| PÖÇ08 | Bilgi - Kuramsal, Olgusal | Fiziğe ilişkin bir konuda bilgiye erişir, bu amaçla literatür taraması yapar ve diğer kaynakları kullanır. | |
| PÖÇ09 | Bilgi - Kuramsal, Olgusal | Fizik alanı ile ilgili karşılaşılan sorunları araştırma yöntemlerini kullanarak çözümler. | 4 |
| PÖÇ10 | Bilgi - Kuramsal, Olgusal | Bağımsız olarak araştırma yapabilir. | 3 |
| PÖÇ11 | Bilgi - Kuramsal, Olgusal | Araştırma veya sanayiye ilişkin projelerde etkin bir şekilde grup çalışması yapabilir. | 3 |
| PÖÇ12 | Bilgi - Kuramsal, Olgusal | Yaşam boyu öğrenme gerekliliğinin bilincine sahip olur. | |
| PÖÇ13 | Bilgi - Kuramsal, Olgusal | Fizik alanındaki gelişmeleri izler ve kendini sürekli olarak yeniler. | 3 |
| PÖÇ14 | Bilgi - Kuramsal, Olgusal | Fizik alanındaki problemlere ilişkin kendi fikirlerini ve önerilerini, nicel ve nitel veriler ile destekleyerek fizik alanındaki ve alan dışındaki gruplarla paylaşır. | |
| PÖÇ15 | Bilgi - Kuramsal, Olgusal | Bir çalışmadan elde ettiği sonuçları etkin bir şekilde sözlü ve yazılı olarak sunabilir. | 3 |
| PÖÇ16 | Bilgi - Kuramsal, Olgusal | Fizik alanında özümsedikleri bilgiyi, problem çözme ve/veya uygulama becerilerini, disiplinler arası çalışmalarda kullanır. | 4 |
| PÖÇ17 | Bilgi - Kuramsal, Olgusal | Araştırma geliştirme kuruluşlarında çalışabilecek bir altyapıya sahip olur. |
Haftalık Akış
| Hafta | Konu | Ön Hazırlık | Yöntemler |
|---|---|---|---|
| 1 | Lüminesans dozimetriye giriş, TL ve OSL dozimetri prensipleri, Veri elde etme süreçleri | Kaynak kitaplardan ve ders notlarından çalışma, literatür taraması | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 2 | Lüminesans mekanizmaları, enerji tuzakları ve rekombinasyon merkezleri, veri özellikleri | Kaynak kitaplardan ve ders notlarından çalışma, literatür taraması | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma, Alıştırma ve Uygulama |
| 3 | TL ışıma eğrileri, glow curve analizi ve sayısal veri temsili | Kaynak kitaplardan ve ders notlarından çalışma, literatür taraması | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma, Bireysel Çalışma |
| 4 | OSL bozunum eğrileri, sinyal bileşenleri ve veri özelliklerinin incelenmesi | Kaynak kitaplardan ve ders notlarından çalışma, literatür taraması | Öğretim Yöntemleri: Tartışma, Deney / Laboratuvar, Benzetim |
| 5 | Lüminesans verilerinin ön işlenmesi, veri normalizasyonu ve özellik çıkarımı | Kaynak kitaplardan ve ders notlarından çalışma, literatür taraması | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Alıştırma ve Uygulama |
| 6 | Makine öğrenmesine giriş, veri seti oluşturma ve veri bölme yöntemleri | Kaynak kitaplardan ve ders notlarından çalışma, literatür taraması | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Tartışma |
| 7 | Yapay sinir ağları (ANN) yapısı, eğitim algoritmaları ve lüminesans verilerine uygulanması | Kaynak kitaplardan ve ders notlarından çalışma, literatür taraması | Öğretim Yöntemleri: Soru-Cevap, Anlatım, Tartışma |
| 8 | Ara Sınavlar | Kaynak kitaplardan ve ders notlarından çalışma | Ölçme Yöntemleri: Yazılı Sınav |
| 9 | TL ve OSL verileri kullanılarak radyasyon dozunun yapay zeka ile tahmini | Kaynak kitaplardan ve ders notlarından çalışma, literatür taraması | Öğretim Yöntemleri: Anlatım, Tartışma, Alıştırma ve Uygulama, Bireysel Çalışma |
| 10 | İyonlaştırıcı radyasyon dozundan TL ışıma eğrilerinin yapay zeka ile tahmini | Kaynak kitaplardan ve ders notlarından çalışma, literatür taraması | Öğretim Yöntemleri: Anlatım, Benzetim, Gösterip Yaptırma, Soru-Cevap |
| 11 | İyonlaştırıcı radyasyon dozundan OSL bozunum eğrilerinin yapay zeka ile tahmini | Kaynak kitaplardan ve ders notlarından çalışma, literatür taraması | Öğretim Yöntemleri: Anlatım, Benzetim, Gösterip Yaptırma, Soru-Cevap |
| 12 | Optimizasyon algoritmaları ile yapay zeka modellerinin iyileştirilmesi | Kaynak kitaplardan ve ders notlarından çalışma, literatür taraması | Öğretim Yöntemleri: Anlatım, Alıştırma ve Uygulama, Bireysel Çalışma |
| 13 | Model doğrulama yöntemleri, eğitim-test veri setleri ve çapraz doğrulama | Kaynak kitaplardan ve ders notlarından çalışma, literatür taraması | Öğretim Yöntemleri: Alıştırma ve Uygulama, Benzetim, Problem Çözme |
| 14 | Model performans analizi, RMSE ve MAE hata metrikleri | Kaynak kitaplardan ve ders notlarından çalışma, literatür taraması | Öğretim Yöntemleri: Tartışma, Alıştırma ve Uygulama, Benzetim, Bireysel Çalışma |
| 15 | Doz tahmin modellerinde belirsizlik analizi ve yapay zeka tabanlı uygulamalar | Kaynak kitaplardan ve ders notlarından çalışma | Öğretim Yöntemleri: Anlatım, Soru-Cevap, Bireysel Çalışma |
| 16 | Yarıyıl Sonu Sınavları | Kaynak kitaplardan ve ders notlarından çalışma | Ölçme Yöntemleri: Yazılı Sınav, Proje / Tasarım |
| 17 | Yarıyıl Sonu Sınavları | Kaynak kitaplardan ve ders notlarından çalışma | Ölçme Yöntemleri: Yazılı Sınav, Proje / Tasarım |
Öğrenci İş Yükü - AKTS
| Çalışmalar | Sayısı | Süresi (Saat) | İş Yükü (Saat) |
|---|---|---|---|
| Ders ile İlgili Çalışmalar | |||
| Ders (Sınav haftaları dahil değildir) | 14 | 3 | 42 |
| Sınıf Dışı Ders Çalışma (Ön çalışma, pekiştirme) | 14 | 4 | 56 |
| Değerlendirmeler ile İlgili Çalışmalar | |||
| Ödev, Proje, Diğer | 1 | 12 | 12 |
| Ara Sınavlar (Yazılı, Sözlü, vs.) | 1 | 12 | 12 |
| Yarıyıl/Yıl Sonu/Final Sınavı | 1 | 30 | 30 |
| Toplam İş Yükü (Saat) | 152 | ||
| Toplam İş Yükü / 25 (s) | 6,08 | ||
| AKTS | 6 AKTS | ||