Aplicação de redes neurais profundas na caracterização de rejeitos radioativos

Detalhes bibliográficos
Autor(a) principal: Otero, André Gomes Lamas
Data de Publicação: 2022
Tipo de documento: Dissertação
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/85/85131/tde-07112022-153207/
Resumo: O desenvolvimento da tecnologia nuclear deve permitir a gestão segura dos rejeitos radioativos, provenientes das várias etapas do ciclo do combustível nuclear, da produção de radiofármacos e das aplicações de radioisótopos na medicina, indústria e centros de pesquisa. A caracterização destes rejeitos é uma tarefa complexa, devido à grande variedade de aplicações, materiais e composição. Neste trabalho foi desenvolvida uma metodologia de caracterização final de rejeitos radioativos utilizando redes neurais profundas. O método de Monte Carlo foi empregado para realizar a simulação de espectros gama, considerando o cenário de um tambor de rejeitos de 200 litros contendo até dez diferentes radionuclídeos: Am-241, Ba-133, Cd-109, Co-57, Co-60, Cs-137, Eu-152, Mn-54, Na-22, Pb-210. Os dados provenientes das simulações foram utilizados para treinar e avaliar o desempenho de diferentes arquiteturas de redes neurais profundas. A arquitetura selecionada foi VGG-19 a qual, após adaptações, apresentou o melhor desempenho na tarefa de classificação, sendo capaz de identificar quais radionuclídeos e qual a intensidade de cada radionuclídeos que compõe o espectro de radiação gama, emitido por um tambor de rejeito. Os resultados obtidos mostram que a metodologia desenvolvida pode atuar como uma importante ferramenta no processo de caracterização de rejeitos radioativos, realizada rotineiramente pelo Serviço de Gerência de Rejeitos Radioativos do IPEN, permitindo a diminuição à exposição ocupacional as radiações ionizantes.
id USP_e6236a384ee4068e942684d561a6bd32
oai_identifier_str oai:teses.usp.br:tde-07112022-153207
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Aplicação de redes neurais profundas na caracterização de rejeitos radioativosApplication of deep neural networks in nuclear waste characterizationcaracterização de rejeitos radioativoscharacterization of nuclear wastedeep neural networksespectrometria gamagamma spectrometryMonte CarloMonte Carloredes neurais profundasO desenvolvimento da tecnologia nuclear deve permitir a gestão segura dos rejeitos radioativos, provenientes das várias etapas do ciclo do combustível nuclear, da produção de radiofármacos e das aplicações de radioisótopos na medicina, indústria e centros de pesquisa. A caracterização destes rejeitos é uma tarefa complexa, devido à grande variedade de aplicações, materiais e composição. Neste trabalho foi desenvolvida uma metodologia de caracterização final de rejeitos radioativos utilizando redes neurais profundas. O método de Monte Carlo foi empregado para realizar a simulação de espectros gama, considerando o cenário de um tambor de rejeitos de 200 litros contendo até dez diferentes radionuclídeos: Am-241, Ba-133, Cd-109, Co-57, Co-60, Cs-137, Eu-152, Mn-54, Na-22, Pb-210. Os dados provenientes das simulações foram utilizados para treinar e avaliar o desempenho de diferentes arquiteturas de redes neurais profundas. A arquitetura selecionada foi VGG-19 a qual, após adaptações, apresentou o melhor desempenho na tarefa de classificação, sendo capaz de identificar quais radionuclídeos e qual a intensidade de cada radionuclídeos que compõe o espectro de radiação gama, emitido por um tambor de rejeito. Os resultados obtidos mostram que a metodologia desenvolvida pode atuar como uma importante ferramenta no processo de caracterização de rejeitos radioativos, realizada rotineiramente pelo Serviço de Gerência de Rejeitos Radioativos do IPEN, permitindo a diminuição à exposição ocupacional as radiações ionizantes.The nuclear technology development must allow safe and secure waste management which proves from the steps of nuclear fuel life cycle, research centers and industry, and radioisotopes applications in medicine. Proper nuclear waste characterization is a complex task due to the wide range of materials, process, and applications. In this work a methodology for final characterization was developed, using deep neural networks. The Monte Carlo Methos was applied on gamma spectra simulation, in a scenario where the nuclear waste is stored in a 200 liters steel drum that can contain up to then different radionuclides: Am-241, Ba-133, Cd-109, Co-57, Co-60, Cs-137, Eu-152, Mn-54, Na-22, Pb-210. The simulation data was used to train and assess the performance of different deep neural network architectures. The VGG-19 architecture was chosen due to the best overall performance at the classification task, being capable of identifying which radionuclides and which activity each radionuclide presented at the gamma spectra. The presented results shows that the proposed methodology can be a important tool in the nuclear waste characterization process performed routinely by the IPEN\'s Service of Nuclear Waste Management, allowing the decrease to occupational exposure to ionizing radiation.Biblioteca Digitais de Teses e Dissertações da USPMarumo, Júlio TakehiroOtero, André Gomes Lamas2022-08-08info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/85/85131/tde-07112022-153207/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2022-11-09T19:30:16Zoai:teses.usp.br:tde-07112022-153207Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212022-11-09T19:30:16Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Aplicação de redes neurais profundas na caracterização de rejeitos radioativos
Application of deep neural networks in nuclear waste characterization
title Aplicação de redes neurais profundas na caracterização de rejeitos radioativos
spellingShingle Aplicação de redes neurais profundas na caracterização de rejeitos radioativos
Otero, André Gomes Lamas
caracterização de rejeitos radioativos
characterization of nuclear waste
deep neural networks
espectrometria gama
gamma spectrometry
Monte Carlo
Monte Carlo
redes neurais profundas
title_short Aplicação de redes neurais profundas na caracterização de rejeitos radioativos
title_full Aplicação de redes neurais profundas na caracterização de rejeitos radioativos
title_fullStr Aplicação de redes neurais profundas na caracterização de rejeitos radioativos
title_full_unstemmed Aplicação de redes neurais profundas na caracterização de rejeitos radioativos
title_sort Aplicação de redes neurais profundas na caracterização de rejeitos radioativos
author Otero, André Gomes Lamas
author_facet Otero, André Gomes Lamas
author_role author
dc.contributor.none.fl_str_mv Marumo, Júlio Takehiro
dc.contributor.author.fl_str_mv Otero, André Gomes Lamas
dc.subject.por.fl_str_mv caracterização de rejeitos radioativos
characterization of nuclear waste
deep neural networks
espectrometria gama
gamma spectrometry
Monte Carlo
Monte Carlo
redes neurais profundas
topic caracterização de rejeitos radioativos
characterization of nuclear waste
deep neural networks
espectrometria gama
gamma spectrometry
Monte Carlo
Monte Carlo
redes neurais profundas
description O desenvolvimento da tecnologia nuclear deve permitir a gestão segura dos rejeitos radioativos, provenientes das várias etapas do ciclo do combustível nuclear, da produção de radiofármacos e das aplicações de radioisótopos na medicina, indústria e centros de pesquisa. A caracterização destes rejeitos é uma tarefa complexa, devido à grande variedade de aplicações, materiais e composição. Neste trabalho foi desenvolvida uma metodologia de caracterização final de rejeitos radioativos utilizando redes neurais profundas. O método de Monte Carlo foi empregado para realizar a simulação de espectros gama, considerando o cenário de um tambor de rejeitos de 200 litros contendo até dez diferentes radionuclídeos: Am-241, Ba-133, Cd-109, Co-57, Co-60, Cs-137, Eu-152, Mn-54, Na-22, Pb-210. Os dados provenientes das simulações foram utilizados para treinar e avaliar o desempenho de diferentes arquiteturas de redes neurais profundas. A arquitetura selecionada foi VGG-19 a qual, após adaptações, apresentou o melhor desempenho na tarefa de classificação, sendo capaz de identificar quais radionuclídeos e qual a intensidade de cada radionuclídeos que compõe o espectro de radiação gama, emitido por um tambor de rejeito. Os resultados obtidos mostram que a metodologia desenvolvida pode atuar como uma importante ferramenta no processo de caracterização de rejeitos radioativos, realizada rotineiramente pelo Serviço de Gerência de Rejeitos Radioativos do IPEN, permitindo a diminuição à exposição ocupacional as radiações ionizantes.
publishDate 2022
dc.date.none.fl_str_mv 2022-08-08
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/masterThesis
format masterThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv https://www.teses.usp.br/teses/disponiveis/85/85131/tde-07112022-153207/
url https://www.teses.usp.br/teses/disponiveis/85/85131/tde-07112022-153207/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1809090491526938624

Registros relacionados