Algorithme différentiel d'apprentissage automatique pour la criminalistique nucléaire

Résumé d’un document technique présenté dans le cadre de la :
Canadian Conference on Artificial Intelligence
Du 8 au 11 mai 2018

Préparé par :
Chris Drummond
Conseil national de recherches du Canada
Remerciements
Connaissance du domaine et leadership d’Ali El-Jaby (CCSN)

Contexte

Le document porte sur les travaux réalisés dans le cadre du Projet d’établissement de la signature des matières nucléaires et des capacités de détermination de la provenance. Ce Projet est une initiative pangouvernementale de recherche et développement qui vise, sous l’égide de la CCSN, à perfectionner, à renforcer et à élargir les capacités du Canada en matière de métrologie et d’analyse des données relatives aux matières nucléaires et radioactives à l’appui des fonctions de détermination de la provenance aux fins d’activités de criminalistique nucléaire. Les partenaires du Projet sont notamment les suivants : le Conseil national de recherches du Canada, Énergie atomique du Canada limitée/les Laboratoires Nucléaires Canadiens et l’Université d’Ottawa.

Le Projet est appuyé par le Programme canadien pour la sûreté et la sécurité (PCSS), lequel est dirigé par le Centre des sciences pour la sécurité de Recherche et développement pour la défense Canada, en partenariat avec Sécurité publique Canada.

Le PCSS est un programme financé par le gouvernement fédéral visant à renforcer la capacité du Canada de prévoir et d’empêcher/d’atténuer les conséquences en cas de catastrophes naturelles, d’accidents graves, de crimes et de terrorisme, de s’y préparer et d’assurer le rétablissement après un tel événement, au moyen de la convergence de la science et de la technologie avec les politiques, les opérations et le renseignement.

Résumé

Le document porte sur un algorithme différentiel d’apprentissage automatique qui permet de déterminer l’origine, ou la provenance, d’échantillons de matières nucléaires. Cet algorithme s’inscrit dans le cadre des travaux du programme de développement de la Bibliothèque médico-légale nucléaire du Canada, qui vise à établir une base de données exhaustive des signatures des matières nucléaires et radioactives visées par le contrôle réglementaire canadien. Le faible taux d’exemples par rapport au nombre de catégories rend cette initiative particulièrement difficile. Nous ajoutons donc, en nous fondant sur des hypothèses tirées des ouvrages statistiques crédibles et d’autres documents de références, des variantes dans un algorithme de référence de manière à résoudre ce problème et à renforcer l’exactitude sur le plan du bruit lié aux attributs. Nous démontrons de manière expérimentale l’efficacité de l’approche ainsi que les problèmes soulevés lors de l’ajout de nouveaux exemples et de nouvelles catégories.

Pour obtenir un copie du document associé au résumé : https://nparc.nrc-cnrc.gc.ca/fra/voir/objet/?id=b6778d85-3f82-44e4-9e01-8ef0c950a9a0