Design and implementation of an embedded signal acquisition system for radioisotope identification using machine learning.

• Grant number: 21/15175-7
• Support Opportunities: Scholarships in Brazil - Technical Training Program - Technical Training
• Start date: February 01, 2022
• End date: August 31, 2022
• Field of knowledge: Engineering - Nuclear Engineering - Applications of Radioisotopes
• Principal Investigator: Ubaldo Baños Rodríguez
• Grantee: Ítalo Pelição Caliari
• CNAE: Pesquisa e desenvolvimento experimental em ciências físicas e naturais
• Associated research grant: 20/13879-4 - Development of machine learning algorithms for identification of radioisotopes using nuclear spectroscopy, AP.PIPE

Abstract

Este plano de trabalho engloba atividades no projeto relacionadas ao desenvolvimento de algoritmos para a simulação de espectros gama, a montagem do aparato experimental e a aquisição e análise de dados experimentais, assim como a avaliação de desempenho dos algoritmos de aprendizado de máquina.Para a simulação dos espectros de emissão gama será utilizado o código de transporte de radiação Geant4, que utiliza a linguagem de programação C/C++. O bolsista deverá ter conhecimento prévio desta linguagem de programação para o entendimento e participação da modelagem e simulação do detector. Os dados simulados nessa etapa serão divididos em conjunto de dados de treinamento e de dados de teste do algoritmo de aprendizado de máquina. Para a validação da simulação será realizada uma aquisição de dados experimentais utilizando a instrumentação nuclear prevista no projeto. O bolsista participará da montagem do aparato experimental e aquisição dos dados. Ficará responsável também pelo desenvolvimento dos algoritmos de análise e processamento dos dados, para a comparação entre os obtidos com o Geant4 e dos experimentais, validando o conjunto de dados de treinamento. A aquisição dos dados experimentais será realizada utilizando as mesmas fontes de calibração que foram modeladas e que serão disponibilizadas pelo Laboratório de F1sica Nuclear Aplicada (LFNA) do Centro do Reator de Pesquisas (CRPq) do Instituto de Pesquisas Energéticas e Nucleares (IPEN). O bolsista usará conhecimentos avançados de aplicações de métodos computacionais em álgebra linear e transformada de Fourier, no mínimo, para manipular grandes quantidades de dados gerados a partir da simulação e aquisição experimental, sendo preferível conhecimento prévio de Python. O bolsista participará da análise de desempenho do algoritmo de aprendizado de máquina para a avaliação de viabilidade técnica do projeto proposto.