Study of neutron correlations measurements, model creation and supervised learning, bayesian inference of nuclear parameters.
Etude des mesures de corrélations neutroniques, modélisation et apprentissage automatique, estimation bayésienne de paramètres nucléaires
Résumé
Nuclear security is the task of protecting the population and the environment against malicious acts involving radioactive substances. The International Atomic Energy Agency (IAEA) exhorts states to present a fast, robust, and reliable nuclear security strategy, in response to the increasing geopolitical tensions. In particular, the identification of nuclear fissile matter is a foundational element of any nuclear security strategy. To ensure the reliability of the response to any threat, the quantification and control of the uncertainties embedded in the underlying mathematical methods are mandatory. This thesis is located at the crossroads of fissile matter identification and uncertainty quantification. The general objective is to develop mathematical and numerical methods adapted to the neutron noise analysis in zero-power subcritical systems. This passive measurement technique is, along with gamma spectroscopy, a focal point of fissile matter identification.The methodology presented in this manuscript is based on a Bayesian resolution of an inverse problem, whose observations come from the study of temporal correlations between fission-induced neutrons. The standard resolution of this problem is intractable due to the cost of the Monte Carlo code for neutron transport. This thesis presents a framework in which the computer model is replaced by various surrogates, whose intrinsic uncertainties are fed into the inverse problem. The uncertainty quantification procedure encompasses both epistemic and aleatoric uncertainties into a common framework. This strategy can be improved with the help of sequential design strategies built specifically for the inverse problem, or with the introduction of gamma correlations which helps in reducing the residual uncertainties. Finally, we discuss a connex approach that circumvents the resolution of the inverse problem with a parametrization of the class of posterior distributions with the help of generalized lambda distributions.
La sécurité nucléaire consiste à protéger la population et l'environnement contre les actes de malveillance impliquant des substances radioactives. L'Agence Internationale de l'Énergie Atomique (AIEA) exhorte les états à présenter une stratégie de sécurité nucléaire rapide, robuste et fiable, en réponse aux tensions géopolitiques croissantes. En particulier, l'identification des matières nucléaires fissiles est un élément fondamental de toute stratégie de sécurité nucléaire. Pour garantir la fiabilité de la réponse à toute menace, la quantification et le contrôle des incertitudes présentes dans les méthodes mathématiques sous-jacentes sont obligatoires. Cette thèse se place à l'intersection de l'identification des matières fissiles et de la quantification des incertitudes. L'objectif général est de développer des méthodes mathématiques et numériques adaptées à l'analyse du bruit neutronique dans les systèmes sous-critiques de puissance nulle. Cette technique de mesure passive est, avec la spectroscopie gamma, un aspect capital pour l'identification de matière fissile.La méthodologie présentée dans ce manuscrit se base sur une résolution bayésienne d'un problème inverse, dont les observations proviennent de l'étude des corrélations temporelles entre les neutrons induits par fission. La résolution standard de ce problème est irréalisable telle quelle, en raison du coût du code Monte-Carlo utilisé pour le transport des neutrons. Cette thèse présente un cadre dans lequel le code Monte-Carlo est remplacé par divers méta-modèles, dont les incertitudes intrinsèques sont introduites dans le problème inverse. La procédure de quantification des incertitudes englobe les incertitudes épistémiques et aléatoriques dans un cadre commun. Cette stratégie peut être améliorée à l'aide de plans d'expériences séquentiels conçus spécifiquement pour le problème inverse, ou avec l'introduction de corrélations gamma qui aident à réduire les incertitudes résiduelles. Enfin, nous abordons une approche connexe qui contourne la résolution du problème inverse par une paramétrisation de la classe de distributions a posteriori à l'aide de distributions lambda généralisées.
| Origine | Version validée par le jury (STAR) |
|---|