Vous serez accueilli·e au sein de l’IRESNE, institut de la DES, où vous intégrerez l’équipe du laboratoire et participerez pleinement à ses activités.

Ce sujet d’alternance s’inscrit dans le cadre des études sur l’amélioration des méthodes de déconvolution et de quantification des incertitudes des spectres neutroniques pour des applications en réacteurs.

La capacité à reconstruire avec précision le spectre neutronique en réacteur constitue un enjeu essentiel pour de nombreuses applications. La déconvolution d’un spectre neutronique repose sur la résolution d’un problème inverse complexe, généralement traité à l’aide de divers algorithmes. En parallèle, une quantification fiable des incertitudes est essentielle pour garantir la précision du spectre déconvolué.

Les détecteurs à activation sont couramment employés pour mesurer le spectre neutronique dans le contexte de fortes densités de flux gamma et neutronique. Afin de déterminer ce spectre, plusieurs feuilles constituées d’éléments différents sont irradiées. Les neutrons interagissent avec les isotopes de ces éléments par le biais de réactions nucléaires, produisant ainsi des noyaux radioactifs. Le niveau d’activité induite est principalement déterminé par la section efficace des réactions considérées. Ces sections efficaces servent ensuite à établir la matrice de réponse des détecteurs d’activation.

Objectifs de l’alternance

L’objectif de cette alternance est de contribuer au traitement fiable des méthodes bayésiennes et à la quantification des incertitudes appliquées à la déconvolution des spectres neutroniques.

L’un des avantages de la statistique bayésienne est sa capacité à évaluer la distribution des paramètres, permettant ainsi une quantification des incertitudes plus robuste qu’avec les méthodes classiques. L’utilisation de l’inférence bayésienne, ainsi que de la déconvolution par processus gaussien, permet d’obtenir à la fois un spectre neutronique et l’incertitude associée à sa déconvolution.

La méthode de Monte Carlo pourra être couplée à la méthode de déconvolution itérative de D’Agostini afin de quantifier les incertitudes. Par ailleurs, l’inférence bayésienne permet une estimation intrinsèque des incertitudes grâce à la méthode Markov Chain Monte Carlo, ou MCMC. Les incertitudes obtenues seront ensuite comparées à celles fournies par d’autres méthodes classiques.

Activités principales

Pendant cette alternance, le candidat ou la candidate participera notamment à :

• l’étude des méthodes bayésiennes appliquées à la déconvolution de spectres neutroniques ;

• la mise en œuvre de méthodes de quantification des incertitudes ;

• le traitement et la gestion de données de spectres neutroniques ;

• l’analyse comparative des incertitudes obtenues avec différentes méthodes ;

• l’utilisation d’outils numériques et de scripts Python pour le traitement des données.

Formation souhaitée : École d’ingénieurs ou Master 2.

Pourquoi Intégrer le CEA ?

• Donner du sens à votre carrière en travaillant au service des grands enjeux sociétaux de demain.

• Avoir des perspectives de carrière avec plus de 60 familles de métier, des formations...

• Nos avantages : RTT, réseau de ligne de bus sur certains centres (gratuit), restauration collective, CSE…

Conformément aux engagements pris par le CEA en faveur de l’intégration des personnes en situation d’handicap, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation.