Ingénieur sûreté nucléaire (H/F)

Brief IA; Rhône; On-site; EUR 8,900 - 13,000; Full time

Job summary

Framatome recherche un stagiaire ingénieur pour contribuer à l'introduction de modèles de machine learning dans une méthode statistique évaluant l'incertitude liée à la Loss of Representativeness des collectrons sur l’EPR, dans un contexte français.

Vous êtes en dernière année d'école d'ingénieurs ou équivalent, avec une spécialisation nucléaire, et vous avez une première expérience avec les codes de calcul et la simulation numérique.

Qualifications

• En dernière année d'école d'ingénieurs ou formation universitaire équivalente, avec une spécialisation dans le domaine du nucléaire.
• Première expérience avec les codes de calcul et la simulation numérique d'un esp (éditeur tronqué dans le texte).

Responsibilities

• Contribuer à l'introduction de modèles de machine learning dans une méthode statistique pour déterminer l'incertitude liée à la LOR sur l'EPR.
• Générer de nouvelles configurations de cœur pertinentes à partir des résultats des calculs neutroniques.

Skills

Machine learning

Calcul numérique

Education

École d'ingénieurs (dernier année)

Tools

Simulations numériques

Job description

Description du poste :

En tant qu'organisateur de forums de recrutement, Talents Handicap accompagne de très nombreuses entreprises & organisations en France dans leurs recrutements de collaborateurs en situation de handicap. Participant actuellement à l'un de nos forums. L'entreprise Framatome recherche actuellement des profils Introduction du machine learning dans le dimensionnement de la perte de représentativité des collectrons sur EPR.

Contexte :

L'instrumentation in-core de l'EPR (collectrons) mesure le flux neutronique en temps réel afin d'assurer le respect des critères de sûreté. Ces détecteurs sont régulièrement calibrés afin de représenter fidèlement l'évolution du flux dans le cœur. À la suite d'un calibrage, la situation du cœur évolue, ce qui entraîne une perte de représentativité, ou « Loss of Representativeness » (LOR), des mesures issues des collectrons. La LOR constitue une composante de l'incertitude intégrée aux chaînes de surveillance et de protection de l'EPR.

Mission :

L'objectif du stage est de contribuer à l'introduction de modèles de machine learning au sein d'une méthode statistique permettant de déterminer l'incertitude liée à la LOR pour l'EPR, dans un contexte français. Cette méthode statistique permet de modéliser des centaines de configurations de cœur, à la fois en conditions de fonctionnement normal et en conditions accidentelles. Elle repose sur le tirage aléatoire de configurations de cœur, correspondant à un ensemble de paramètres de fonctionnement, qui sont ensuite soumises à un code de calcul neutronique. L'introduction de modèles de machine learning permettra de générer de nouvelles configurations de cœur pertinentes à partir des résultats des calculs neutroniques.

Vous êtes en dernière année d'école d'ingénieurs ou préparez une formation universitaire équivalente, avec une spécialisation dans le domaine du nucléaire.

Vous disposez d'une première expérience avec les codes de calcul et la simulation numérique d'un esp