根据地面中子探测与宇宙线环境之间的关联性，在太阳活动平静期以地球静止环境业务卫星及全球各个中子探测站的探测数据构建数据集。基于极端梯度提升决策树（XGBoost）和人工神经网络建立了由地面中子探测数据反演宇宙线质子环境的模型。模型采用遗传算法求解模型的最优超参数并对神经网络的各个神经元参数进行训练，实现了宇宙线质子环境在太阳活动平静期的反演，模型训练的均方差MSE为0.499，对测试集的平均反演误差分别为26.9%，对比航天常用的辐射环境模型误差通常在200%以内，提高显著。同时使用包括支持向量回归、误差反向传播算法、长短期记忆在内的多种其他机器学习算法进行了对比，结果表明本文所建立的模型具有训练时间短、计算速度快、占用资源小的优点。

金刚石材料具有优异的耐高温、抗辐照性能，用其制作的辐照探测器在反应堆等苛刻环境下具有很好的应用前景。在分析金刚石中子探测器的结构和工作原理的基础上，使用MCNP（Monte Carlo N Particle Transport Code）模拟程序构建了金刚石中子探测器的物理模型，考虑探测器用于2 MWt液态燃料钍基熔盐试验堆（Thorium Molten Salt experimental Reactor-Liquid Fueled，TMSR-LF1）辐射场中，计算中子转换层（⁶LiF、¹⁰B）厚度、金刚石厚度、γ甄别阈值对探测器的中子探测效率、γ探测效率以及n/γ抑制比的影响。结果表明：⁶LiF更适合在中子、γ混合场中用作中子转换层；随着⁶LiF厚度增加，中子探测效率先增大后减小，⁶LiF的最优厚度为25 μm；金刚石厚度增大会导致探测器的n/γ甄别性能下降，可以采用设置γ甄别阈值的方法解决金刚石层过厚时带来的γ干扰过大的问题，使探测器达到对γ不灵敏的要求。模拟研究工作获得了探测器结构参数对探测器性能的影响规律，对探测器后续的制作和研究具有指导意义。

中子探测中，由于存在非弹性散射和慢中子捕获等作用，形成了n/γ混合辐射场，增加了中子探测的复杂性。有机闪烁体因其闪烁效率高、衰减时间短、探测效率高被广泛应用于中子探测。脉冲形状甄别是根据有机闪烁体中粒子衰减时间不同引起的脉冲形状差异来甄别n/γ的关键技术。传统脉冲形状甄别方法包括时域和频域甄别方法；近年来，各种机器学习技术也相继应用于n/γ甄别，并取得较好效果。为了更好地使用有机闪烁体和n/γ甄别方法进行中子探测，我们从有机闪烁体的发光机理、脉冲形状甄别原理、有机闪烁体类型及n/γ甄别方法等方面进行了较为全面的分析和综述，并总结了有机闪烁体和n/γ甄别方法的各种性能评价指标。最后，对有机闪烁体和n/γ甄别方法的发展趋势提出了展望。