Amélioration de la Fiabilité des Méthodes Monte-Carlo pour l'Analyse de Sensibilité H/F - CEA

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Implanté au coeur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.

Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :

- La conscience des responsabilités
- La coopération
- La curiosité

Grâce aux récentes avancées remarquables dans la théorie des méthodes de Monte Carlo, il est désormais possible d'estimer les comptages pondérés par l'adjoint sans recourir à des approximations dans le cadre des calculs de valeurs propres. Cela a permis de calculer des observables d'intérêt pour la conception des réacteurs, telles que les sensibilités à des paramètres clés (la variation du facteur de multiplication due à des changements dans les valeurs des propriétés physiques et/ou des dimensions géométriques). Tous les principaux codes de Monte Carlo de production ont adopté ces stratégies de calcul. Certaines questions clés restent néanmoins en suspens. La convergence statistique de ces estimateurs dépend, d'une part, du comportement spécifique de l'itération de puissance sous-jacente (qui doit converger vers le mode propre direct fondamental) et, d'autre part, de celui de la méthode itérative des probabilités de fission (qui doit converger vers le mode propre adjoint pondérant chaque comptage) : ce mécanisme couplé rend l'analyse de la convergence globale de cette classe d'algorithmes particulièrement difficile.

Dans ce contexte, l'étudiant analysera les algorithmes existants pour l'analyse de sensibilité (tant vis-à-vis des données nucléaires que des paramètres géométriques), étudiera leurs propriétés de convergence et proposera de nouvelles stratégies pour améliorer la convergence lorsque cela s'avère nécessaire. Ces travaux seront menés dans le cadre d'une mini-application Monte Carlo simplifiée qui permettra un développement et des tests agiles : les stratégies les plus performantes seront ensuite retenues en vue d'une intégration future dans TRIPOLI-5. Des comparaisons avec d'autres codes Monte Carlo seront également effectuées, à des fins de validation numérique inter-codes.

Compétences en développement de code (C++ / Python) et goût prononcé pour la simulation numérique