Navegação por Autores IPEN "OTERO, ANDRE G.L."

Classificar por: Ordenar: Resultados:

  • IPEN-DOC 29236

    OTERO, ANDRE G.L. . Aplicação de redes neurais profundas na caracterização de rejeitos radioativos / Application of deep neural networks in nuclear waste characterization . 2022. Dissertação (Mestrado em Tecnologia Nuclear) - Instituto de Pesquisas Energéticas e Nucleares - IPEN-CNEN/SP, São Paulo. 100 p. Orientador: Júlio Takehiro Marumo. DOI: 10.11606/D.85.2022.tde-07112022-153207

    Abstract: 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.

    Palavras-Chave: radioactive waste processing; neural networks; monte carlo method; calculation methods; gamma spectroscopy; site characterization

    Como referenciar este item
    Icon

  • IPEN-DOC 26807

    OTERO, ANDRE G.L. ; MARUMO, JULIO T. ; POTIENS JUNIOR, ADEMAR J. . Applying deep-learning in gamma-spectroscopy for radionuclide identification. In: INTERNATIONAL CONFERENCE ON DOSIMETRY AND ITS APPLICATIONS, 3rd, May 27-31, 2019, Lisboa, Portugal. Abstract... Lisboa, Portugal: C2TN, Instituto Superior Técnico, Universidade de Lisboa, 2019.

    Abstract: Introduction Neural networks, particularly deep neural networks, are used nowadays with great success in several tasks, such as image classifi cation, image segmentation, translation, text to speech, speech to text, achieving super-human performance. In this study we explore the capabilities of deep learning on a new fi eld: gamma-spectroscopy analysis. Using a well-known deep neural network architecture with gamma spectroscopy data, we successfully identify the radionuclides (Am-241, Ba-133, Cd-109, Co-60, Cs-137, Eu-152, Mn- 54, Na-24 and Pb-210) contained in several experiments. This neural network is also capable to identify different mixed radionuclide in the same source, demonstrating that deep neural networks can be successfully applied on gamma-spectroscopy analysis. Methods Using a HPGe detector to acquire several gamma spectra, from different sealed sources, we created a dataset that was used for the training and validation of the neural network. We created our deep neural network using python as programing language, alongside with Keras, a deep learning framework. Applying the VGG19 network architecture, except by the last layer which using softmax as activation function, we used sigmoid in order to allow classifi cation of not mutually exclusive classes in the same instance. Results After 250 epochs of training the classifi cation error on the training and test datasets reached a minimum, the same occurred with accuracy. As a fi nal test we used a spectrum from a triple sealed source, containing Am-241, Cs-137 and Co-60. As this kind of data was never seen by the network before we expect that the network generalizes well and correctly classify the spectra as containing the three isotopes. When applying the new data, the model correctly classifi ed the spectra as containing the tree radionuclide. Conclusions The model successfully classifi es different spectra with different radionuclides and his performance is good on never seen before data (the triple source sealed) demonstrating that deep learning can be used on a new domain.

    Como referenciar este item
    Icon

  • IPEN-DOC 26211

    OTERO, ANDRE G.L. ; POTIENS JUNIOR, ADEMAR J. ; CALZETA, EDUARDO P.; MARUMO, JULIO T. . Comparing deep learning architectures on gamma-spectroscopy analysis for nuclear waste characterization. In: INTERNATIONAL NUCLEAR ATLANTIC CONFERENCE, October 21-25, 2019, Santos, SP. Proceedings... Rio de Janeiro: Associação Brasileira de Energia Nuclear, 2019. p. 1278-1283.

    Abstract: Neural networks, particularly deep neural networks, are used nowadays with great success in several tasks, such as image classification, image segmentation, translation, text to speech, speech to text, achieving super-human performance. In this study, we explore the capabilities of deep learning on a new field: gamma-spectroscopy analysis, comparing the classification performance of different deep neural networks architectures. We choose VGG-16, VGG-19, Xception, ResNet, InceptionV3 and MobileNet architectures which are available through the Keras Deep Learning framework to identify several different radionuclides (Am-241, Ba- 133, Cd-109, Co-60, Cs-137, Eu-152, Mn-54, Na-24, and Pb-210). Using an HPGe detector to acquire several gamma spectra, from different sealed sources to created a dataset that was used for the training and validation of the neural networks comparison. This study demonstrates the strengths and weakness of applying deep learning on gamma-spectroscopy analysis for nuclear waste characterization.

    Palavras-Chave: artificial intelligence; computer architecture; gamma spectroscopy; high-purity ge detectors; neural networks; radioactive waste management; radioactive wastes; radioisotopes; sealed sources

    Como referenciar este item
    Icon

  • IPEN-DOC 28179

    OTERO, ANDRE G.L. ; POTIENS JUNIOR, ADEMAR J. ; LINO, JULIANA dos S. ; MARUMO, JULIO T. . A desktop application for automatic gamma spectroscopy analysis with deep learning. In: INTERNATIONAL NUCLEAR ATLANTIC CONFERENCE, November 29 - December 2, 2021, Online. Proceedings... Rio de Janeiro: Associação Brasileira de Energia Nuclear, 2021.

    Palavras-Chave: computer architecture; computer-aided design; computerized simulation; high-purity ge detectors; learning; monte carlo method; radioisotopes

    Como referenciar este item
    Icon

  • IPEN-DOC 30106

    OTERO, ANDRE G.L. ; MARUMO, JULIO T. ; JUNIOR POTIENS, ADEMAR J. . A methodology for automated radioactive waste characterization. In: INTERNATIONAL CONFERENCE ON DOSIMETRY AND ITS APPLICATIONS, 4th, October 16-20, 2023, Valencia, Spain. Abstract... Valencia, Spain: ISIRYM, 2023. p. 174.

    Como referenciar este item
    Icon

A pesquisa no RD utiliza os recursos de busca da maioria das bases de dados. No entanto algumas dicas podem auxiliar para obter um resultado mais pertinente.

✔ É possível efetuar a busca de um autor ou um termo em todo o RD, por meio do Buscar no Repositório , isto é, o termo solicitado será localizado em qualquer campo do RD. No entanto esse tipo de pesquisa não é recomendada a não ser que se deseje um resultado amplo e generalizado.

✔ A pesquisa apresentará melhor resultado selecionando um dos filtros disponíveis em Navegar

✔ Os filtros disponíveis em Navegar tais como: Coleções, Ano de publicação, Títulos, Assuntos, Autores, Revista, Tipo de publicação são autoexplicativos. O filtro, Autores IPEN apresenta uma relação com os autores vinculados ao IPEN; o ID Autor IPEN diz respeito ao número único de identificação de cada autor constante no RD e sob o qual estão agrupados todos os seus trabalhos independente das variáveis do seu nome; Tipo de acesso diz respeito à acessibilidade do documento, isto é , sujeito as leis de direitos autorais, ID RT apresenta a relação dos relatórios técnicos, restritos para consulta das comunidades indicadas.

A opção Busca avançada utiliza os conectores da lógica boleana, é o melhor recurso para combinar chaves de busca e obter documentos relevantes à sua pesquisa, utilize os filtros apresentados na caixa de seleção para refinar o resultado de busca. Pode-se adicionar vários filtros a uma mesma busca.

Exemplo:

Buscar os artigos apresentados em um evento internacional de 2015, sobre loss of coolant, do autor Maprelian.

Autor: Maprelian

Título: loss of coolant

Tipo de publicação: Texto completo de evento

Ano de publicação: 2015

✔ Para indexação dos documentos é utilizado o Thesaurus do INIS, especializado na área nuclear e utilizado em todos os países membros da International Atomic Energy Agency – IAEA , por esse motivo, utilize os termos de busca de assunto em inglês; isto não exclui a busca livre por palavras, apenas o resultado pode não ser tão relevante ou pertinente.

✔ 95% do RD apresenta o texto completo do documento com livre acesso, para aqueles que apresentam o significa que e o documento está sujeito as leis de direitos autorais, solicita-se nesses casos contatar a Biblioteca do IPEN, bibl@ipen.br .

✔ Ao efetuar a busca por um autor o RD apresentará uma relação de todos os trabalhos depositados no RD. No lado direito da tela são apresentados os coautores com o número de trabalhos produzidos em conjunto bem como os assuntos abordados e os respectivos anos de publicação agrupados.

✔ O RD disponibiliza um quadro estatístico de produtividade, onde é possível visualizar o número dos trabalhos agrupados por tipo de coleção, a medida que estão sendo depositados no RD.

✔ Na página inicial nas referências são sinalizados todos os autores IPEN, ao clicar nesse símbolo será aberta uma nova página correspondente à aquele autor – trata-se da página do pesquisador.

✔ Na página do pesquisador, é possível verificar, as variações do nome, a relação de todos os trabalhos com texto completo bem como um quadro resumo numérico; há links para o Currículo Lattes e o Google Acadêmico ( quando esse for informado).

ATENÇÃO!

ESTE TEXTO "AJUDA" ESTÁ SUJEITO A ATUALIZAÇÕES CONSTANTES, A MEDIDA QUE NOVAS FUNCIONALIDADES E RECURSOS DE BUSCA FOREM SENDO DESENVOLVIDOS PELAS EQUIPES DA BIBLIOTECA E DA INFORMÁTICA.

O gerenciamento do Repositório está a cargo da Biblioteca do IPEN. Constam neste RI, até o presente momento 20.950 itens que tanto podem ser artigos de periódicos ou de eventos nacionais e internacionais, dissertações e teses, livros, capítulo de livros e relatórios técnicos. Para participar do RI-IPEN é necessário que pelo menos um dos autores tenha vínculo acadêmico ou funcional com o Instituto. Nesta primeira etapa de funcionamento do RI, a coleta das publicações é realizada periodicamente pela equipe da Biblioteca do IPEN, extraindo os dados das bases internacionais tais como a Web of Science, Scopus, INIS, SciElo além de verificar o Currículo Lattes. O RI-IPEN apresenta também um aspecto inovador no seu funcionamento. Por meio de metadados específicos ele está vinculado ao sistema de gerenciamento das atividades do Plano Diretor anual do IPEN (SIGEPI). Com o objetivo de fornecer dados numéricos para a elaboração dos indicadores da Produção Cientifica Institucional, disponibiliza uma tabela estatística registrando em tempo real a inserção de novos itens. Foi criado um metadado que contém um número único para cada integrante da comunidade científica do IPEN. Esse metadado se transformou em um filtro que ao ser acionado apresenta todos os trabalhos de um determinado autor independente das variáveis na forma de citação do seu nome.

A elaboração do projeto do RI do IPEN foi iniciado em novembro de 2013, colocado em operação interna em julho de 2014 e disponibilizado na Internet em junho de 2015. Utiliza o software livre Dspace, desenvolvido pelo Massachusetts Institute of Technology (MIT). Para descrição dos metadados adota o padrão Dublin Core. É compatível com o Protocolo de Arquivos Abertos (OAI) permitindo interoperabilidade com repositórios de âmbito nacional e internacional.

1. Portaria IPEN-CNEN/SP nº 387, que estabeleceu os princípios que nortearam a criação do RDI, clique aqui.


2. A experiência do Instituto de Pesquisas Energéticas e Nucleares (IPEN-CNEN/SP) na criação de um Repositório Digital Institucional – RDI, clique aqui.

O Repositório Digital do IPEN é um equipamento institucional de acesso aberto, criado com o objetivo de reunir, preservar, disponibilizar e conferir maior visibilidade à Produção Científica publicada pelo Instituto, desde sua criação em 1956.

Operando, inicialmente como uma base de dados referencial o Repositório foi disponibilizado na atual plataforma, em junho de 2015. No Repositório está disponível o acesso ao conteúdo digital de artigos de periódicos, eventos, nacionais e internacionais, livros, capítulos, dissertações, teses e relatórios técnicos.

A elaboração do projeto do RI do IPEN foi iniciado em novembro de 2013, colocado em operação interna em julho de 2014 e disponibilizado na Internet em junho de 2015. Utiliza o software livre Dspace, desenvolvido pelo Massachusetts Institute of Technology (MIT). Para descrição dos metadados adota o padrão Dublin Core. É compatível com o Protocolo de Arquivos Abertos (OAI) permitindo interoperabilidade com repositórios de âmbito nacional e internacional.

O gerenciamento do Repositório está a cargo da Biblioteca do IPEN. Constam neste RI, até o presente momento 20.950 itens que tanto podem ser artigos de periódicos ou de eventos nacionais e internacionais, dissertações e teses, livros, capítulo de livros e relatórios técnicos. Para participar do RI-IPEN é necessário que pelo menos um dos autores tenha vínculo acadêmico ou funcional com o Instituto. Nesta primeira etapa de funcionamento do RI, a coleta das publicações é realizada periodicamente pela equipe da Biblioteca do IPEN, extraindo os dados das bases internacionais tais como a Web of Science, Scopus, INIS, SciElo além de verificar o Currículo Lattes. O RI-IPEN apresenta também um aspecto inovador no seu funcionamento. Por meio de metadados específicos ele está vinculado ao sistema de gerenciamento das atividades do Plano Diretor anual do IPEN (SIGEPI). Com o objetivo de fornecer dados numéricos para a elaboração dos indicadores da Produção Cientifica Institucional, disponibiliza uma tabela estatística registrando em tempo real a inserção de novos itens. Foi criado um metadado que contém um número único para cada integrante da comunidade científica do IPEN. Esse metadado se transformou em um filtro que ao ser acionado apresenta todos os trabalhos de um determinado autor independente das variáveis na forma de citação do seu nome.