Un nouvel algorithme pourrait permettre plus rapidement, détection moins coûteuse de matières nucléaires de qualité militaire aux frontières, différencier rapidement les signatures de radiations bénignes et illicites dans la même cargaison.

Le développement est une collaboration entre des chercheurs de l'Université de l'Illinois à Urbana-Champaign, l'Université du Michigan, Laboratoire national de Los Alamos, Université Heriot-Watt (Édimbourg, ROYAUME-UNI), et l'Université d'Édimbourg.

« Nous espérons que les résultats seront utiles pour réduire les fausses alarmes positives sur les moniteurs de portail de rayonnement, même dans les scénarios avec plusieurs sources présentes, et permettre l'utilisation de détecteurs rentables, tels que les scintillateurs organiques, " a déclaré Angela DiFulvio, un professeur assistant de nucléaire, plasma et ingénierie radiologique à l'Université de l'Illinois et auteur correspondant de l'étude récemment publiée dans Rapports scientifiques sur la nature .

DiFulvio est également un ancien chercheur postdoctoral dans le groupe de détection de la non-prolifération nucléaire à l'U-M, dirigé par Sara Pozzi, professeur de génie nucléaire et de science radiologique.

Les nations doivent protéger leurs citoyens contre la menace du terrorisme nucléaire. La sécurité nucléaire dissuade et détecte la contrebande de matières nucléaires spéciales - uranium hautement enrichi, plutonium de qualité militaire, ou des matériaux qui produisent beaucoup de rayonnement—au-delà des frontières nationales.

Les chercheurs ont développé un algorithme capable d'identifier de faibles signaux de rayonnement, comme on peut le voir à partir de matériaux enrobés de plutonium qui absorbent le rayonnement. Il fonctionne même en présence d'un fond de rayonnement élevé, y compris les sources quotidiennes telles que les rayons cosmiques de l'espace et le radon de la roche sous les pieds.

Sur la base de leurs résultats, ils pensent que l'utilisation de leur algorithme pourrait améliorer la capacité des moniteurs de portails de rayonnement aux frontières nationales à faire la différence entre une activité de contrebande potentielle et des sources de rayonnement bénignes. Par exemple, les matières radioactives naturelles telles que les céramiques et les engrais, ou des radionucléides chez des patients récemment traités en médecine nucléaire, peut déclencher des alarmes « nuisibles » dans les installations de balayage des rayonnements.

"Il y a aussi la crainte que quelqu'un veuille masquer une source radioactive, ou des matières nucléaires spéciales, en utilisant des matières radioactives naturelles telles que le granit ou la litière pour chat, " dit Pozzi, qui est également l'auteur principal de l'article.

« Au fur et à mesure que les véhicules ou les boîtes sont scannés, les données du détecteur peuvent passer par ces algorithmes qui démêlent les différentes sources. Les algorithmes peuvent identifier rapidement si des matières nucléaires spéciales sont présentes, " elle a ajouté.

Démêler les sources afin que les activités de contrebande ne puissent pas être cachées parmi des sources de rayonnement bénignes est difficile à faire rapidement. Pour ça, l'équipe s'est tournée vers des spécialistes du machine learning, qui pourrait utiliser les données collectées par le groupe de Pozzi pour « entraîner » des algorithmes à rechercher les signatures des matériaux qui pourraient être utilisés pour fabriquer une bombe nucléaire.

"Nous avons conçu un modèle sans mélange qui reflète à la fois la physique de base du problème et se prêtait également à un calcul rapide, " a déclaré le co-auteur Alfred Hero, le John H. Holland Distinguished University Professor of Electrical Engineering and Computer Science et R. Jamison et Betty Williams Professor of Engineering U-M.

Cette recherche a débuté à l'UM dans le cadre du Consortium for Verification Technology, un programme de recherche sur la non-prolifération nucléaire de 25 millions de dollars sur 5 ans financé par la Nuclear National Security Administration des États-Unis, dirigé par Pozzi. DiFulvio a poursuivi le travail lorsqu'elle a rejoint l'UIUC en 2018.

"Ce travail est un exemple puissant de l'avantage d'une collaboration étroite et soutenue entre les scientifiques des données computationnelles et les ingénieurs nucléaires, résultant en une amélioration majeure de la détection et de l'identification des rayonnements nucléaires, " dit Héros.

Le papier est intitulé, "Attente-propagation pour l'identification de radionucléides faibles aux moniteurs de portail de rayonnement, " et est publié dans la revue Rapports scientifiques .