← Retour aux offres

STAGE 2A: Débruitage de données neutroniques avec techniques de Deep Learning

Postée le 18 jan.

Lieu : Grenoble · Contrat : Stage · Rémunération : Oui €

Société : Institut Laue-Langevin

L'Institut Laue-Langevin est un centre de recherche international, à la pointe de la science et de la technologie neutroniques.
Leader mondial dans son domaine, l’ILL met à la disposition des scientifiques des faisceaux de neutrons extrêmement brillants, alimentant quelques 40 instruments de très haute technologie en constante modernisation.

Description du poste

Stage 2A d'une durée de 2 à 3 mois à partir de mai/juin 2023.

Les expériences de diffusion de neutrons à l'ILL consistent à étudier la physique de matériaux d'après le spectre des neutrons diffusés par ceux-ci suite à une irradiation d'un échantillon par des neutrons d'énergie/vitesse/longueur d'onde définie. Ces neutrons diffusés sont enregistrés sur des détecteur bidimensionnels en fonction, par exemple, de leur temps d'arrivée.

Ces "images" sont plus ou moins bruitées du fait des conditions d'expérience et du faible flux intrinsèque des faisceaux de neutrons. Ainsi, dans le processus de traitement des données d'acquisition, il est important de procéder à un débruitage de ces données.

Pour certaines expériences, les techniques classiques de débruitage ne donnent pas de bons résultats. Les progrès récents en Deep Learning ont conduit à l'émergence de nouvelles techniques dont certaines sont agnostiques et ne requièrent pas de modèle statistique du bruit (Noise2Noise, Noise2Void, etc.). Bien que ces projets soient plutôt destinés à l'imagerie médicale, la similitude avec nos images détecteurs nous invite à vouloir expérimenter ces techniques sur nos données afin d'améliorer notre processus de débruitage.

L'objectif du stage est de faire une comparaison de ces techniques avec les techniques classiques sur des données détecteurs de l'ILL. Des publications décrivant des algorithmes candidats ont déjà été identifiées et des bases de données simulées et réelles sont déjà existantes à l'ILL.

Activités du stagiaire :

Le travail du stagiaire consistera en:
- la préparation des données d'entraînement pour les réseaux de neurones
- l’utilisation de données simulées ou réelles
- l’entraînement des réseaux en contrôlant la fonction de perte
- la réalisation du benchmark

La programmation se fera principalement en Python avec l'utilisation de Tensorflow.

Profil recherché

- Etudiant ingénieur en informatique en 2A

Pour postuler :

Contacter Yannick Le Goc à legoc@ill.fr