Desenvolvimento de algoritmos para análise de dados de sistema de aquisição para identificação de radioisótopos usando aprendizado de máquina

• Processo: 21/14182-0
• Modalidade de apoio: Bolsas no Brasil - Programa Capacitação - Treinamento Técnico
• Vigência (Início): 01 de janeiro de 2022
• Vigência (Término): 31 de agosto de 2022
• Área do conhecimento: Engenharias - Engenharia Nuclear - Aplicações de Radioisótopos
• Pesquisador responsável: Ubaldo Baños Rodríguez
• Beneficiário: Givanildo de Sousa Gramacho
• CNAE: Pesquisa e desenvolvimento experimental em ciências físicas e naturais
• Vinculado ao auxílio: 20/13879-4 - Desenvolvimento de algoritmos de aprendizado de máquina para identificação de radioisótopos usando espectroscopia nuclear, AP.PIPE
• Assunto(s): Espectroscopia de raio gama Detectores de radiação Aprendizado computacional Análise de dados Sistema de aquisição de dados C++ (linguagem de programação) Algoritmos Modelagem e simulação
• Palavra(s)-Chave do Pesquisador: segurança nuclear medicina nuclear Redes neurais Bayesianas Redes neur | Instrumentação nuclear para detecção de radiação

Resumo

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. (AU)