逆康普顿散射源是利用高能电子束和强激光对撞产生高能辐射的光源。传统电子加速器作为电子源的逆康普顿散射源体积庞大，难以推广。而新型的激光等离子体电子加速器具有更高的加速梯度，具备小型化的发展潜力。全光逆康普顿散射源就是一种基于激光等离子体电子加速器实现的小型化高能辐射源，具有更短脉宽、更高亮度的辐射输出，应用前景十分广阔。首先，总结了全光逆康普顿散射源在提高亮度、能量和单能性等方面的优化研究进展，并分析了设计重点；最后，介绍了全光逆康普顿散射源在基础科学研究、工业和生物医学领域的典型应用。

X射线荧光CT（XFCT）是X射线CT与X射线荧光分析相结合的新型成像方式，可用于探测被修饰后的纳米金颗粒在肿瘤内部的分布及质量分数，在早期癌症诊疗方面具有较好的应用潜力。如何抑制XFCT成像的康普顿散射噪声是当前的热点问题。本文基于深度学习方法，通过卷积神经网络学习图像中的噪声分布规律，从而抑制噪声。基于此，提出了一种基于噪声水平估计和卷积神经网络的XFCT去噪网络（NeCNN）算法，该算法运用噪声估计子网络及去噪主网络进行去噪。估计子网络通过去噪卷积神经网络（DnCNN）估计噪声水平并初步降噪，随后将估计结果输入去噪主网络——全卷积神经网络（FCN）用于学习康普顿散射的分布规律，同时为兼顾局部与全局最优解采用均方误差（MSE）及结构相似度（SSIM）作为损失函数。数据集通过Geant4软件模拟扫描填充各种金属纳米颗粒（Au、Bi、Ru、Gd）的空气模体及聚甲基丙烯酸甲酯（PMMA）模体来获取，且设置不同入射X射线的强度，以此模拟不同噪声水平，增强模型泛化能力。实验结果表明，与三维块匹配滤波（BM3D）及DnCNN算法相比，NeCNN算法的去噪结果最优，其SSIM为0.95066，峰值信噪比（PSNR）为29.01558，图像质量提高最为显著。

了解尾矿浆中的重金属元素含量能为矿物浮选提供决策依据, 不仅可以提高矿物的利用率, 还可减少环境污染。 X射线荧光光谱法是一种常用的重金属元素分析技术, 对于地质类样品的分析, 康普顿散射内标法是一种常用的定量方法。 但对于薄层沉积样品, 其康普顿散射峰强度会受到支撑滤膜的散射影响。 由于样品紧密附着在支撑滤膜上, 难以直接获得来自样品本身的康普顿散射强度, 不利于直接应用康普顿散射峰强度进行定量分析。 以尾矿薄层样品为分析对象, 研究了不同聚丙烯滤膜厚度对康普顿散射峰强度的影响, 并对薄层样品的康普顿散射强度进行了校正。 实验结果表明, 在0.34～3.06 mm厚度范围内, 康普顿散射峰强度随聚丙烯滤膜厚度的增加线性增加, 通过建立探测器获得的总康普顿散射强度与滤膜厚度的线性关系, 计算出样品的净康普顿散射峰强度。 为验证该修正方法的可靠性, 利用蒙特卡洛方法模拟研究了无滤膜的尾矿样品和带有不同厚度滤膜的尾矿样品, 结果显示经滤膜厚度影响修正后的净康普顿散射峰强度与无滤膜样品康普顿散射峰强度基本一致, 相对偏差为0.41%。 同时通过实验和模拟计算了0.34 mm厚聚丙烯滤膜时修正后的净康普顿散射峰强度占总康普顿散射峰的比例, 分别为91.31%和89.91%, 二者基本一致。 最后, 利用了上述基于滤膜厚度康普顿散射影响的校正方法, 建立了基于康普顿散射内标法的定量校准曲线, 对两种尾矿浆中的Cu, Zn和Pb元素的定量分析结果显示, 未经滤膜厚度修正的康普顿内标校正相比校正前, 部分元素定量结果与ICP-OES结果相比, 其相对偏差反而增加3.18%～9.00%。 而经滤膜厚度修正的康普顿内标方法的定量结果与ICP-OES结果的相对误差在1.14%～11.15%之间, 相比于校正之前, 相对偏差减少了0.30%～8.97%。

通过粒子模拟(PIC)的方法研究了可用于全高半宽度10 ps量级快脉冲光信号脉宽测量的时间拉伸漂移管。分别模拟了光阴极半径、加速管长度、加速电压、漂移区长度、螺线管中心磁场强度、初始光电子能量和初始光电流对时间拉伸漂移管展宽系数的影响。分析了时间拉伸漂移管展宽系数的主要影响因素，同时给出了漂移管展宽系数对初始电子能量和初始光电流的线性关系，证明了所设计的时间拉伸漂移管能够满足逆康普顿散射源的束长测量。研究结果可为逆康普顿散射源电子束长测量提供技术手段。