Thèse soutenue

Accélération de simulations Monte Carlo de transport de particules par génération adaptative de cartes d’importance
FR  |  
EN
Accès à la thèse
Auteur / Autrice : Michel Nowak
Direction : Eric DumonteilJamal Atif
Type : Thèse de doctorat
Discipline(s) : Énergie nucléaire
Date : Soutenance le 12/10/2018
Etablissement(s) : Université Paris-Saclay (ComUE)
Ecole(s) doctorale(s) : École doctorale Particules, hadrons, énergie et noyau : instrumentation, imagerie, cosmos et simulation (Orsay, Essonne ; 2015-....)
Partenaire(s) de recherche : établissement opérateur d'inscription : Université Paris-Sud (1970-2019)
Laboratoire : Laboratoire de Transport Stochastique et Déterministe (Saclay, Essonne)
Jury : Président / Présidente : Pierre Désesquelles
Examinateurs / Examinatrices : Eric Dumonteil, Jamal Atif, Pierre Désesquelles, Tony Lelièvre, Kenneth Burn, Mariya Brovchenko, Davide Mancusi, Marc Verderi
Rapporteurs / Rapporteuses : Tony Lelièvre, Kenneth Burn

Résumé

FR  |  
EN

Les simulations Monte Carlo de transport de particules sont un outil incontournable pour l'étude de problèmes de radioprotection. Leur utilisation implique l'échantillonnage d'événements rares grâce à des méthode de réduction de variance qui reposent sur l'estimation de la contribution d'une particule au détecteur. On construit cette estimation sous forme d'une carte d'importance.L’objet de cette étude est de proposer une stratégie qui permette de générer de manière adaptative des cartes d'importance durant la simulation Monte Carlo elle-même. Le travail a été réalisé dans le code de transport des particules TRIPOLI-4®, développé à la Direction de l’énergie nucléaire du CEA (Salay, France).Le cœur du travail a consisté à estimer le flux adjoint à partir des trajectoires simulées avec l'Adaptive Multilevel Splitting, une méthode de réduction de variance robuste. Ce développement a été validé à l'aide de l'intégration d'un module déterministe dans TRIPOLI-4®.Trois stratégies sont proposés pour la réutilisation de ce score en tant que carte d'importance dans la simulation Monte Carlo. Deux d'entre elles proposent d'estimer la convergence du score adjoint lors de phases d'exploitation.Ce travail conclut sur le lissage du score adjoint avec des méthodes d'apprentissage automatique, en se concentrant plus particulièrement sur les estimateurs de densité à noyaux.