ADEMAR JOSE POTIENS JUNIOR
15 resultados
Resultados de Busca
Agora exibindo 1 - 10 de 15
Artigo IPEN-doc 28411 Estudo do processamento de rejeitos radioativos sólidos compactáveis por plasma térmico2021 - PRADO, EDUARDO S.P.; MIRANDA, FELIPE de S.; RITA, CRISTIAN C.P.; SILVA, ROBERSON J. da; ESSIPTCHOUK, ALEXEI M.; PETRACONI FILHO, GILBERTO; BALDAN, MAURICIO R.; POTIENS JUNIOR, ADEMAR J.O uso de radioisótopos para as mais diversas finalidades tem se intensificado e destacado pelos benefícios que proporcionam. A geração de energia elétrica, a indústria, a agricultura, a medicina diagnóstica e terapêutica, são alguns exemplos. Porém, essas aplicações têm como desvantagem gerar rejeitos radioativos e estes requerem tratamento apropriado para deposição final. Neste âmbito, entre as tecnologias promissoras para o tratamento de rejeitos radioativos sólidos compactáveis, a utilização de plasma térmico para gerar uma descarga de arco transferido por meio de eletrodos de grafite se mostra uma tecnologia capaz de reduzir substancialmente a massa e o volume de rejeitos radioativos após expô-los a temperaturas superiores a 3.000ºC. Os resultados obtidos se mostraram bastante satisfatórios, alcançando aproximadamente 100% de redução em 30 min de processo. Esforços futuros devem ser empregados para maior confiabilidade do sistema, eliminação de radionuclídeos voláteis no efluente gasoso e otimização completa da operação.Artigo IPEN-doc 27853 Comparing deep learning architectures on gamma-spectroscopy analysis for nuclear waste characterization2021 - OTERO, A.G.L.; POTIENS JUNIOR, A.J.; MARUMO, J.T.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, the capabilities of deep learning are explored on a new field: gamma-spectroscopy analysis, comparing the classification performance of different deep neural network architectures. The following architectures where tested: VGG-16, VGG-19, Xception, ResNet, InceptionV3, and MobileNet, which are available through the Keras Deep Learning framework to identify several different radionuclides (Am-241, Ba133, 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 create a dataset used for the training and validation of the neural network's comparison. This study demonstrates the strengths and weaknesses of applying deep learning on gamma-spectroscopy analysis for nuclear waste characterization.Artigo IPEN-doc 27217 Um comparativo entre a utilização de redes neurais perceptron e redes neurais profundas na identificação de radionuclídeos em espectrometria gama2020 - OTERO, A.G.L.; POTIENS JUNIOR, A.J.; MARUMO, J.T.Apresentamos os resultados da comparação entre uma Rede Neural Profunda e uma Rede Neural Perceptron na classificação de espectros gama obtidos utilizando um detector de germânio hiper-puro. Utilizando dados de diversas fontes seladas (Am-241, Ba-133, Cd-109, Co-57, Co-60, Cs-137, Eu-152, Mn-54, Na-24, and Pb-210) foram gerados uma lista extensa de espectros para treino e validação contendo, respectivamente, 500 e 160 espectros, onde foram mesclados até três radionuclídeos em um único espectro. Depois de 250 épocas de treino foram validadas a exatidão de cada um dos modelos utilizando o conjunto de validação. O modelo de rede neural profunda obteve uma exatidão de classificação de 96,25% enquanto a rede neural perceptron obteve uma exatidão de 80,62%. Os resultados mostram um desempenho robusto e consistentemente melhor das redes neurais profundas, frente as redes neurais perceptron.Artigo IPEN-doc 22283 Estudo das isotermas de adsorção e constante de distribuição par a remoção de sup(241)Am em rejeitos radioativos líquidos com magnetita2014 - OSHIRO, M.T.; SAKATA, S.K.; POTIENS JUNIOR, A.J.Resumo IPEN-doc 21927 Descontaminação e caracterização de rejeitos radioativos utilizando laser2013 - GUIMARAES, RENATO da S.; POTIENS JUNIOR, ADEMAR J.Resumo IPEN-doc 21920 Determinação da melhor técnica para digestão de resina proveniente de para-raios contaminados por am-2412013 - OSHIRO, MAURICIO T.; POTIENS JUNIOR, ADEMAR J.Resumo IPEN-doc 21480 Caracterização primária de rejeitos radioativos líquidos da GRR2015 - COUVO, NATHALIA da S.; POTIENS JUNIOR, ADEMAR J.Resumo IPEN-doc 20654 Water-equivalent solid sources prepared by means of two distinct methods2014 - KOSKINAS, MARINA F.; YAMAZAKI, IONE M.; POTIENS JUNIOR, ADEMAR; LIMA, JOSENILSON B. de; DIAS, MAURO S.Resumo IPEN-doc 16233 Controle de qualidade das eficiencias dos detectores do laboratorio de caracterizacao de rejeitos radioativos2010 - LIMA, JOSENILSON B. de; POTIENS JUNIOR, ADEMAR J.Resumo IPEN-doc 04444 Caracterizacao do dosimetro solido termoluminescente de MgB sub(4)O sub(7):Dy para deteccao de neutrons termicos1992 - POTIENS JUNIOR, A.J.; CAMPOS, L.L.; TODO, A.S.