Applicability of prompt-gamma activation analysis to determine elemental compositions of silicate-based cultural heritage objects and their raw materials

Kasztovszky, Zsolt; Maróti, Boglárka; Szentmiklósi, László; Gméling, Katalin

doi:10.1016/j.culher.2022.04.011

Cited by 10 publications

(5 citation statements)

References 66 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Each method has a different measurement accuracy as well as sensitivity to major, minor, and trace elements. Table displays the details of the experimental setups of the four additional laboratories as well as the PIXE-based laboratories. − …”

Section: Methodsmentioning

confidence: 99%

See 1 more Smart Citation

Toward Developing Techniques─Agnostic Machine Learning Classification Models for Forensically Relevant Glass Fragments

Kaspi

Israelsohn-Azulay²,

Zidon³

et al. 2022

J. Chem. Inf. Model.

Self Cite

View full text Add to dashboard Cite

Glass fragments found in crime scenes may constitute important forensic evidence when properly analyzed, for example, to determine their origin. This analysis could be greatly helped by having a large and diverse database of glass fragments and by using it for constructing reliable machine learning (ML)-based glass classification models. Ideally, the samples that make up this database should be analyzed by a single accurate and standardized analytical technique. However, due to differences in equipment across laboratories, this is not feasible. With this in mind, in this work, we investigated if and how measurement performed at different laboratories on the same set of glass fragments could be combined in the context of ML. First, we demonstrated that elemental analysis methods such as particle-induced X-ray emission (PIXE), laser ablation inductively coupled plasma mass spectrometry (LA-ICP-MS), scanning electron microscopy with energy-dispersive X-ray spectrometry (SEM-EDS), particle-induced Gamma-ray emission (PIGE), instrumental neutron activation analysis (INAA), and prompt Gamma-ray neutron activation analysis (PGAA) could each produce lab-specific ML-based classification models. Next, we determined rules for the successful combinations of data from different laboratories and techniques and demonstrated that when followed, they give rise to improved models, and conversely, poor combinations will lead to poor-performing models. Thus, the combination of PIXE and LA-ICP-MS improves the performances by ∼10–15%, while combining PGAA with other techniques provides poorer performances in comparison with the lab-specific models. Finally, we demonstrated that the poor performances of the SEM-EDS technique, still in use by law enforcement agencies, could be greatly improved by replacing SEM-EDS measurements for Fe and Ca by PIXE measurements for these elements. These findings suggest a process whereby forensic laboratories using different elemental analysis techniques could upload their data into a unified database and get reliable classification based on lab-agnostic models. This in turn brings us closer to a more exhaustive extraction of information from glass fragment evidence and furthermore may form the basis for international-wide collaboration between law enforcement agencies.

show abstract

Section: Methodsmentioning

confidence: 99%

“…Table 1 displays the details of the experimental setups of the four additional laboratories as well as the PIXE-based laboratories. 42 − 44 …”

Section: Methodsmentioning

confidence: 99%

Toward Developing Techniques─Agnostic Machine Learning Classification Models for Forensically Relevant Glass Fragments

Kaspi

Israelsohn-Azulay²,

Zidon³

et al. 2022

J. Chem. Inf. Model.

Self Cite

View full text Add to dashboard Cite

show abstract

“…Mivel a prompt-gamma aktivációs analízis során a vizsgálandó mintát egy, a neutronforrástól (kutatóreaktor, neutrongenerátor) elvezetett nyalábba helyezzük, a vizsgált tárgy mérete kevésbé korlátozott, nagyobb tárgyakból sem szükséges mintát venni. A kivezetett nyalábok viszonylag kis (10 6 -10 9 cm -2 •s -1 ) intenzitása miatt a mintákban nem történik sem makroszkopikusan, sem mikroszkopikusan észlelhető fizikai-kémiai változás, továbbá az indukált radioaktivitás is gyorsan lecseng (Kasztovszky et al 2022)…”

Section: Bevezetésunclassified

“…A standard mintákban az összes fő-és mellékösszetevőt -SiO2, TiO2, Al2O3, Fe2O3, MnO, MgO, CaO, Na2O, K2O, H2O -, valamint a nyomelemek közül a B-t, Cl-t, Sm-t és Gd-t, esetenként Sc-t, V-t tudtuk mennyiségileg (kvantitative), néhány % relatív pontossággal meghatározni (Szakmány et al 2011). A szilikátos kőzetekre érvényes közelítő kimutatási határokat korábban bemutattuk (Kasztovszky et al 2022). A kimutatási határok természetesen függenek a mérés hosszától, a minta mennyiségétől, és a spektrumokban előforduló interferenciáktól is.…”

Section: A Pgaa-módszer Validálása Csiszolt Kőeszközök Nyersanyagának...unclassified

“…INAA) mérési technika előnyösebb a teljesen roncsolásmentes PGAA-val szemben. A BNC-ben 1996-ban indult budapesti PGAA-berendezésnél a lehetséges alkalmazások között az elsők között foglalkoztunk a régészeti leletek, ezen belül csiszolt kőeszközök és nyersanyagaik vizsgálatával (Szakmány & Kasztovszky 2004).A PGAA módszer alkalmazhatóságát a csiszolt kőeszközök és nyersanyagaik elemösszetételének a mérésére bazalt és andezit nemzetközi standard referencia minták (SRM) mérésével vizsgáltuk, a PGAA-módszert a laborunkban elérhető JB-1A, JB-2 és JB-3 bazalt, valamint JA-2 és JA-3 andezit referencia minták mérésével validáltam(Kasztovszky et al 2022).…”

unclassified

See 1 more Smart Citation

Neutronokkal bombázott kőbalták: a Budapesti Kutatóreaktor hozzájárulása a kőeszközök nyersanyageredetének kutatásához

Kasztovszky

2024

Archeometriai Műhely

View full text Add to dashboard Cite

A prompt-gamma aktivációs analízis (PGAA) elemösszetétel mennyiségi meghatározására használható roncsolásmentes nukleáris analitikai módszer, a minták összetételére vonatkozó előzetes információ nélkül. Analitikai jellemzői alkalmassá teszik különböző kőzetek fő összetevőinek és néhány különleges nyomelemnek a kimutatására, ezen keresztül kőeszközök provenienciájának kutatásában való alkalmazásra. Jelen cikk a témában több mint 25 éves, a Budapesti Neutron Centrum, a Magyar Nemzeti Múzeum és az ELTE Kőzettan-Geokémiai Tanszék közötti együttműködés főbb eredményeit mutatja be. Az írás tisztelgés Szakmány György archeometriai munkássága előtt.

show abstract

Transparency at its best: neutrons probing archaeological glass finds from Romania

Bugoi,

Ţârlea,

Szilágyi

et al. 2024

Appl. Phys. A

View full text Add to dashboard Cite

This paper demonstrates the suitability of Prompt Gamma Activation Analysis (PGAA) technique for the compositional study of ancient glass finds, illustrating this idea by presenting and commenting the chemical composition of 41 Roman glass fragments discovered in archaeological excavations at Tomis, Histria, and Beidaud, Romania. According to typological and stratigraphic criteria, most finds were dated to the 1st-4th centuries AD. The PGAA measurements were performed at the Budapest Neutron Centre (BNC), Hungary. Regardless of their color (or the lack of it), most of the analyzed vitreous items have compositional traits often encountered in coeval glass artefacts discovered at various sites all over the Roman Empire. The sample set turned out to include several examples of Foy Série 2.1 and a single HIMT glass item, in agreement with the later chronological attribution of the corresponding fragments. This study provides some information about the chemistry of the Roman glass finds unearthed during the archaeological research performed in the region of the western Black Sea coast.

show abstract

Applicability of prompt-gamma activation analysis to determine elemental compositions of silicate-based cultural heritage objects and their raw materials

Cited by 10 publications

References 66 publications

Toward Developing Techniques─Agnostic Machine Learning Classification Models for Forensically Relevant Glass Fragments

Toward Developing Techniques─Agnostic Machine Learning Classification Models for Forensically Relevant Glass Fragments

Neutronokkal bombázott kőbalták: a Budapesti Kutatóreaktor hozzájárulása a kőeszközök nyersanyageredetének kutatásához

Transparency at its best: neutrons probing archaeological glass finds from Romania

Contact Info

Product

Resources

About