En tant que stagiaire, vous aurez l'opportunité de travailler au sein d'un environnement de recherche de renommée mondiale. Nos équipes sont composées d'experts passionnés et dédiés, offrant un cadre propice à l'apprentissage et à la collaboration. Vous aurez accès à des équipements de pointe et à des ressources de recherche de premier ordre pour mener à bien vos missions. Éventuellement, les travaux menés donneront lieu à une publication scientifique.

Contexte :

L’objectif du stage est de développer et d’évaluer une méthode d’apprentissage automatique pour estimer la direction d’une source radioactive en fusionnant des informations radiologiques et inertielle.

L’algorithme devra exploiter conjointement :

• L’activité (taux de comptage) mesurée par les quatre détecteurs ;
• les informations spectrométriques (spectres en énergie) ;
• l’orientation et les mouvements du détecteur fournis par l’IMU.

L’enjeu sera notamment d’évaluer dans quelle mesure cette fusion multimodale de données permet d’améliorer la précision, la robustesse et le temps de localisation par rapport à l’approche actuelle.

Qu’attendons-nous de vous ?

Le stage débutera par une prise en main expérimentale de RadLoc et de son électronique d’acquisition et de sa chaîne logicielle, ainsi que par la caractérisation des différents capteurs.

Une seconde phase consistera à définir et réaliser une campagne expérimentale permettant de constituer un jeu de données (dataset) : positions angulaires de la source, distance, activité, spectres, comptages et orientation du détecteur. Une attention particulière sera portée à la reproductibilité des mesures et à la diversité des conditions expérimentales.

Vous développerez ensuite plusieurs approches de machine learning / deep learning supervisé, en commençant par des modèles de référence simples et open sources avant d'étudier, si pertinent, un réseau de neurones adapté aux données multimodales. Les performances seront comparées quantitativement à l’algorithme actuel selon différents critères : erreur angulaire, temps d’estimation, robustesse au bruit de fond, activité, distance et mouvements du détecteur.

Enfin, l’algorithme sera intégré à l’environnement de mesure afin de réaliser une validation expérimentale sur le système RadLoc et d’identifier les perspectives d’implémentation embarquée.

#CEA-List

Compétences recherchées

Etudiant(e) de M2 issu(e) de formations en mesure physique et instrumentation ou électronique/informatique embarqué et traitement du signal.

Des connaissances en Python, traitement de données et apprentissage automatique sont souhaitées.

Une connaissance de la physique des rayonnements, de la spectrométrie gamma ou des architectures FPGA/MCU est un +.

Le stage offre une approche pluridisciplinaire à l’interface entre instrumentation nucléaire, traitement du signal, intelligence artificielle et systèmes embarqués, au sein d’un environnement de recherche appliquée jeune et dynamique

Rejoignez-nous, venez développer vos compétences et en acquérir de nouvelles !

Vous avez encore un doute ? Nous vous proposons :

• L'opportunité de travailler au sein d'une organisation de renommée mondiale dans le domaine de la recherche scientifique,
• Un environnement unique dédié à des projets ambitieux au profit des grands enjeux sociétaux actuels,
• Une expérience à la pointe de l’innovation, comportant un fort potentiel de développement industriel,
• Des moyens expérimentaux exceptionnels et un encadrement de qualité,
• De réelles opportunités de carrière à l’issue de votre stage
• Un poste au cœur de la métropole grenobloise, facilement accessible via la mobilité douce favorisée par le CEA,
• Une participation aux transports en commun à hauteur de 85%,
• Un équilibre vie privée – vie professionnelle reconnu,
• Un restaurant d'entreprise,
• Une politique diversité et inclusion,

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