Description du sujet de thèse
Domaine
Défis technologiques
Sujets de thèse
Développement d'une analyse automatique des spectres gamma à l'aide d'un algorithme hybride machine learning pour la caractérisation radiologique des installations nucléaires en cours de démantèlement.
Contrat
Thèse
Description de l'offre
L'application de la spectrométrie gamma à la caractérisation radiologique dans le cadre du démantèlement des installations nucléaires, nécessite le développement d'algorithmes spécifiques pour l'analyse automatique des spectres. En particulier, la classification des déchets en béton, suivant leur niveau de contamination, représente un enjeu crucial pour le contrôle du coût de démantèlement.
Au sein du CEA/List, le LNHB en collaboration avec le CEA/DEDIP, est impliqué depuis quelques années dans le développement d'outils d'analyse automatique des spectres gamma à faible statistique, pouvant notamment être appliqués aux détecteurs scintillateurs (NaI(Tl), plastiques). Dans ce contexte, une approche originale fondée sur un algorithme hybride machine learning/statistique de démélange spectral, a été développée pour l'identification et la quantification de radionucléides en présence de fortes déformations du spectre mesuré, dues notamment aux interactions de l'émission gamma de la source radioactive avec son environnement.
Le sujet proposé fait suite aux travaux de thèse ayant permis le développement l'algorithme hybride dans le but d'étendre cette approche à la caractérisation radiologique des surfaces en béton. Le candidat sera impliqué dans l'évolution de l'algorithme hybride machine learning/statistique pour la caractérisation de béton pour le classement en déchets conventionnels. Le travail comprendra une étude de faisabilité de la modélisation des écarts du modèle appris pour optimiser la robustesse de la prise de décision.
Université / école doctorale
Sciences et Technologies de l'Information et de la Communication (STIC)
Paris-Saclay
Localisation du sujet de thèse
Site
Saclay
Critères candidat
Formation recommandée
Master recherche ou d'un diplôme d'ingénieur
Demandeur
Disponibilité du poste
01/10/2026
Personne à contacter par le candidat
BOBIN Christophe < email slettet af sikkerhedsmæssige årsager >
CEA
DRT/DIN//LNHB-MA
CEA/Laboratoire national Henri Becquerel
Bâtiment 602 pièce 105B
91191 Gif sur Yvette Cedex
0169082964
Tuteur / Responsable de thèse
BOBIN Jerome < email slettet af sikkerhedsmæssige årsager >
CEA
DRF/IRFU/DEDIP/DIR
IRFU - DEDIP
Bâtiment 141
91190 Gif-sur-Yvette
0169087591
En savoir plus
Domaine
Défis technologiques
Sujets de thèse
Développement d'une analyse automatique des spectres gamma à l'aide d'un algorithme hybride machine learning pour la caractérisation radiologique des installations nucléaires en cours de démantèlement.
Contrat
Thèse
Description de l'offre
L'application de la spectrométrie gamma à la caractérisation radiologique dans le cadre du démantèlement des installations nucléaires, nécessite le développement d'algorithmes spécifiques pour l'analyse automatique des spectres. En particulier, la classification des déchets en béton, suivant leur niveau de contamination, représente un enjeu crucial pour le contrôle du coût de démantèlement.
Au sein du CEA/List, le LNHB en collaboration avec le CEA/DEDIP, est impliqué depuis quelques années dans le développement d'outils d'analyse automatique des spectres gamma à faible statistique, pouvant notamment être appliqués aux détecteurs scintillateurs (NaI(Tl), plastiques). Dans ce contexte, une approche originale fondée sur un algorithme hybride machine learning/statistique de démélange spectral, a été développée pour l'identification et la quantification de radionucléides en présence de fortes déformations du spectre mesuré, dues notamment aux interactions de l'émission gamma de la source radioactive avec son environnement.
Le sujet proposé fait suite aux travaux de thèse ayant permis le développement l'algorithme hybride dans le but d'étendre cette approche à la caractérisation radiologique des surfaces en béton. Le candidat sera impliqué dans l'évolution de l'algorithme hybride machine learning/statistique pour la caractérisation de béton pour le classement en déchets conventionnels. Le travail comprendra une étude de faisabilité de la modélisation des écarts du modèle appris pour optimiser la robustesse de la prise de décision.
Université / école doctorale
Sciences et Technologies de l'Information et de la Communication (STIC)
Paris-Saclay
Localisation du sujet de thèse
Site
Saclay
Critères candidat
Formation recommandée
Master recherche ou d'un diplôme d'ingénieur
Demandeur
Disponibilité du poste
01/10/2026
Personne à contacter par le candidat
BOBIN Christophe < email slettet af sikkerhedsmæssige årsager >
CEA
DRT/DIN//LNHB-MA
CEA/Laboratoire national Henri Becquerel
Bâtiment 602 pièce 105B
91191 Gif sur Yvette Cedex
0169082964
Tuteur / Responsable de thèse
BOBIN Jerome < email slettet af sikkerhedsmæssige årsager >
CEA
DRF/IRFU/DEDIP/DIR
IRFU - DEDIP
Bâtiment 141
91190 Gif-sur-Yvette
0169087591
En savoir plus
