Aplicação de redes neurais profundas na caracterização de rejeitos radioativos
Carregando...
Data
Data de publicação
Autores IPEN
Orientador
Julio Takehiro Marumo
Título da Revista
ISSN da Revista
Título do Volume
É parte de
É parte de
É parte de
Exportar
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.
Como referenciar
OTERO, ANDRE G.L. Aplicação de redes neurais profundas na caracterização de rejeitos radioativos. Orientador: Julio Takehiro Marumo. 2022. 100 f. Dissertação (Mestrado em Tecnologia Nuclear) - Instituto de Pesquisas Energéticas e Nucleares - IPEN-CNEN/SP, São Paulo. DOI: 10.11606/D.85.2022.tde-07112022-153207. Disponível em: http://repositorio.ipen.br/handle/123456789/33602. Acesso em: 30 Dec 2025.
Esta referência é gerada automaticamente de acordo com as normas do estilo IPEN/SP (ABNT NBR 6023) e recomenda-se uma verificação final e ajustes caso necessário.