20–22 nov. 2024
IPHC, Strasbourg
Fuseau horaire Europe/Paris

Exploration de données et apprentissage automatique pour la détection d'anomalies sur l'accélérateur Arronax

21 nov. 2024, 14:25
25m
Amphi Grïnewald (IPHC, Strasbourg)

Amphi Grïnewald

IPHC, Strasbourg

Batiment 27, BP28, 67037 Cedex 2, 23 Rue du Loess, 67200 Strasbourg
Accelerator control ML for accelerators

Orateur

Fatima Basbous (Arronax)

Description

ARRONAX, Accélérateur pour la Recherche en Radiochimie et Oncologie à Nantes Atlantique, est un cyclotron multi-particules capable de produire des protons à haute intensité (2 × 375 μA) et à haute énergie (70 MeV). Il assure la précision de la livraison des faisceaux ioniques à la cible en garantissant leur énergie et leurs propriétés requises. Cependant, des anomalies peuvent survenir, compromettant la fiabilité du système et entraînant des interruptions coûteuses. Dans ce contexte, une étude comparative des méthodes de détection d’anomalies, incluant des approches statistiques (Méthode interquartile (IQ) et le test de Grubbs) et des méthodes d'apprentissage automatique (OCSVM) et d'apprentissage profond (Autoencodeur), est réalisée sur les séries temporelles d’intensité du faisceau sur cible. Les premiers résultats montrent que les deux méthodes statistiques étudiées présentent des limites significatives dans la détection des anomalies, notamment en termes de rappel et de score F1, tandis que les méthodes d'apprentissage automatique, qu'elles soient classiques ou modernes, montrent une meilleure efficacité pour identifier les variations anormales d'intensité.

Auteur principal

Co-auteurs

Documents de présentation