En effet, la simulation numérique d'une grandeur d'intérêt résulte de l'implémentation successive de modèles physiques qui dépendent de paramètres d'entrées et d'un certain nombre d'hypothèses.

L'évaluation de la précision des quantités résulte donc de la combinaison entre plusieurs postes d'erreurs possibles. En neutronique, on compte parmi ces postes les incertitudes liées aux données nucléaires de base. Il est donc nécessaire de quantifier les incertitudes propagées aux grandeurs d'intérêts liées aux incertitudes sur ces données nucléaires de base, afin d'une part de mieux maitriser les incertitudes des OCS (Outils de Calcul Scientifique) de neutronique et donc la précision des paramètres de sureté, et d'autre part de mieux cibler quelles sont les données nucléaires dont les connaissances sont à améliorer.
Le/la stagiaire devra réaliser des calculs de propagation des incertitudes sur les données nucléaires à l'aide des OCS de la chaîne ODYSSEE : CARABAS et COCAGNE, et d'analyser les résultats obtenus.
Deux principaux types d'approche pour propager ces incertitudes pourront être envisagées et comparées :La première dite "stochastique" (on parle aussi de méthode Monte-Carlo), se base sur une représentation des données nucléaires à travers un tirage aléatoire avec prise en compte des covariances associées (réalisée par le code NUDUNA). Les incertitudes sur la grandeur calculée sont obtenues par reconstruction de la loi de densité de probabilité obtenue en résultat. La deuxième dite « déterministe » s'appuie sur la théorie des perturbations, déclinée en plusieurs approches (Standard et Généralisée) qui font intervenir une fonction d'importance.
Pour cela, le/la stagiaire sera amené(e) à :
Prendre en main :L'environnement informatique de la chaîne
Les OCS (Outils de Calcul Scientifique) qui seront utilisés pour les calculs
Des scripts Python afin d'automatiser le traitement des calculs
Analyser les résultats et définir les conclusions pouvant en être

Vous êtes en dernière année d'école d'ingénieurs ou équivalent universitaire avec une spécialisation en nucléaire / neuronique.
Compétences requises:
Connaissances générales de la filière nucléaire, du fonctionnement des réacteurs et de la neutronique
Connaissance du langage Python
Etre à l'aise avec le concept d'automatisation des tâches
Connaissance de l'environnement linux
Des connaissances sur la théorie des perturbations, et plus généralement sur la propagation d'incertitudes, seront un plus
Des connaissances sur le fonctionnement des codes de calcul neutronique sera un plus
Qualités requises :
Autonomie
Polyvalence
Rigueur et organisation
Travail en équipe
Aisance relationnelle