DESCRIPTION :
Au sein de la Direction Des Energies (DES), La Direction des projets de démantèlement, de service nucléaire et de gestion des déchets (DDSD) intervient sur les différents centres civils du CEA.
Au sein de la DDSD, le Département Transports, Emballages et Logistiques (DTEL) a pour mission d'assurer la coordination des actions relatives aux transports et aux emballages de matières radioactives du CEA, en particulier : la conception et la fabrication de nouveaux emballages de transport, le maintien opérationnel du parc d'emballages et des installations de maintenance des emballages, l'exécution opérationnelle sûre des transports de matières radioactives et le démantèlement des emballages obsolètes.
Au sein du DTEL, le Service de Gestion du Parc d'Emballages (SGPE) est chargé de la gestion des emballages du parc CEA, de leur conception, leur fabrication, leur pérennisation, jusqu'au démantèlement de ces emballages.
Le Groupe Autorisations Externes Transport (GAET) a pour rôle, en lien avec les directions de centre et la DSSN, d'assurer la pérennisation des emballages sur la voie publique via la constitution des dossiers de sûreté et le suivi de leur instruction par les autorités de sûreté., L'objectif sera d'explorer, de mettre en œuvre et de comparer plusieurs de ces méthodologies afin d'évaluer leur efficacité et leur complémentarité pour répondre aux besoins de calculs rapides et fiables.
L'ensemble des lancements de simulation, de la collecte des données et de l'analyse des résultats sera réalisé via MCAT (Monte Carlo Automatisation Tool), une application dédiée développée en interne au SGPE. Cet outil a été conçu pour standardiser et automatiser les chaînes de calcul, afin de réduire l'erreur humaine, simplifier l'exploitation des résultats et permettre une meilleure compréhension des phénomènes physiques responsables de la dose.
L'objectif du stage est d'utiliser l'apprentissage profond pour développer un modèle capable de prédire les débits de dose en quelques secondes, sans lancer de nouvelle simulation.
Déroulement du stage
1. État de l'art et prise en main des outils
Le stage débutera par une indispensable phase de montée en compétence, alliant l'étude théorique des solutions existantes à la maîtrise pratique de notre chaîne de calcul : Très Grand Centre de Calcul du CEA (TGCC), code Monte Carlo (MCNP/TRIPOLI), application MCAT, des codes de réduction de variance (ADVANTG) et l'outil TensorFlow pour l'apprentissage profond.
2. Génération d'un jeu de données d'entraînement (DeepLearning)
Le stagiaire exploitera les fonctionnalités d'automatisation de MCAT pour constituer une base de données couvrant un large spectre de configurations : positions et volumes de source, emplacements des détecteurs, spectres énergétiques.
3. Entraînement du modèle prédictif
Après une phase exploratoire visant à identifier l'architecture optimale (nombre de couches, fonctions d'activation, hyperparamètres), le modèle sera entraîné sur le jeu de données généré.
4. Analyse comparative
Cette approche sera confrontée à des simulations Monte Carlo de référence. Le stagiaire évaluera leurs performances respectives selon plusieurs critères : précision, temps de calcul, robustesse et facilité de déploiement.
Moyens / Méthodes / Logiciels
Python, TensorFlow, MCNP ou TRIPOLI
Code d'emploi : Stagiaire (h/f)
Niveau de formation : Bac+5
Temps partiel / Temps plein : Plein temps
Type de contrat : Stage/Jeune diplômé
Compétences : Bases de Données, Python (Langage de Programmation), Méthodes de Monte Carlo, Tensorflow, Sens de l'Organisation, Gestion de Flotte Automobile, Architecture, Analyse Comparative (Benchmark), Calculs, Elaboration des Prévisions, Radiation Physics, Gestion des Déchets, Maintenance et Dépannage, Fabrication, Génie Nucléaire, Gestion de la Qualité, Restauration Collective, Simulations, Suivi des Résultats, Science des Données, Tâches de Conditionnement, Démantèlement Nucléaire, Opérations Logistiques
Courriel :
internet.saclay@cea.fr
Téléphone :
0160833031
Type d'annonceur : Employeur direct