Domaine, spécialité : Physique nucléaire
Mots-Clés :
Traitement du signal, Machine learning, Physique nucléaire
Unité d’accueil : DEDIP / LILAS
Résumé
L’objectif est de développer des méthodes de deep learning pour le démélange de spectres en spectrométrie gamma.
Sujet détaillé
DESCRIPTION ET PROBLEMATIQUE
La spectrométrie gamma est une technique classique utilisée pour identifier et quantifier les radionucléides dans de nombreux domaines d’applications nucléaires (environnement, industrie, métrologie, trafic illicite, etc.).
Un spectre observé y est constitué de M canaux correspondant à des intervalles d’énergie déposés dans un détecteur sensible aux photons (scintillateur ou semi-conducteur). Le comptage dans chaque canal représente le nombre d’événements dans un intervalle d’énergie donné. Pour chaque radionucléide, il existe un spectre caractéristique appelé signature spectrale correspondant à la réponse du détecteur.
Soit X une matrice dont chaque colonne est la signature spectrale normalisée de chaque radionucléide. Le spectre observé suit la distribution de Poisson de Xa :
Lieu du stage
Saclay
Conditions de stage
- Durée du stage : 6 mois
- Niveau d’étude requis : Bac+5
- Formation : Master 2
- Poursuite possible en thèse : Oui
- Date limite de candidature : 2 juin 2024
Compétences requises
Langue : Anglais
Méthodes, techniques :
Deep learning, spectral unmixing
Langages informatiques et logiciels :
Python, pytorch