Sviluppo di un sistema di misura per il monitoraggio ambientale delle acque potabili

Referenti: S. Capelli, D. Chiesa, L. Gironi, M. Nastasi, M. Sisti

La determinazione della presenza dell'isotopo radioattivo 210Pb nelle acque potabili assume particolare importanza nell'ambito del monitoraggio radiometrico ambientale. Le attuali regolamentazioni nazionali e internazionali per garantire la qualità radiometrica delle acque impongono limiti di attività particolarmente stringenti. Per raggiungere le sensibilità richieste si utilizzano tecniche basate su trattamenti radiochimici dei campioni il cui impiego risulta oneroso in termini di tempo e di complessità delle procedure.

La tesi si pone l'obiettivo di sviluppare un sistema alternativo di misura che utilizzi la spettroscopia gamma accoppiata a tecniche di riduzione del fondo radioattivo ambientale mediante l'utilizzo di rivelatori operanti in coincidenza. Il lavoro si articolerà in tre fasi principali: la prima di progettazione e modellizzazione del sistema di misura attraverso l'utilizzo di simulatori Monte Carlo, una seconda fase di realizzazione del prototipo di misura ed infine una campagna di misure su campioni d'acqua potabile per valutare le prestazioni e le potenzialità della tecnica sviluppata.

Sviluppo di una metodologia per la valutazione dell'efficienza per misure di spettroscopia gamma ad alta risoluzione

Referenti: S. Capelli, D. Chiesa, L. Gironi, M. Nastasi, M. Sisti

Collaborazione con ARPA Lombardia

Per misure di contaminanti radioattivi in campioni di interesse ambientale si utilizzano preferibilmente spettrometri al germanio HPGe. Questi strumenti sono dotati di una elevata risoluzione energetica, che consente di identificare con grande accuratezza tutti i contaminanti radioattivi che emettono radiazione gamma. Al fine di ricostruire l'attività assoluta di queste sorgenti è necessario valutare per ogni specifico campione in esame l'efficienza di rivelazione dei gamma emessi. La metodologia maggiormente utilizzata da ARPA a questo scopo si basa su curve di taratura costruite sulla base di misure con sorgenti certificate e con campioni di diversa geometria e composizione.  Questo sistema, oltre ad essere affetto da un inevitabile errore dovuto alla limitatezza delle geometrie e composizioni chimiche di riferimento, risulta anche oneroso in termini di tempo. L'obiettivo di questa tesi è sviluppare una metodologia,  basata su simulazioni Monte Carlo, in grado di sostituire il metodo attualmente in uso e di portare avanti misure di validazione utili a renderla certificabile ISO 17025, caratteristica fondamentale affinché possa essere utilizzata da ARPA per misure di monitoraggio ambientale.

In una prima parte ci si concentrerà sullo studio e confronto delle caratteristiche e potenzialità di diverse tecniche, ricercando sia tra i metodi proposti dagli istituti metrologici primari e i software già validati e liberamente disponibili in rete (EFFTRAN, ETNA), sia tra metodi più utilizzati nell'ambito della ricerca scientifica, come quelli basati sul pacchetto GEANT4. Una volta individuate le tecniche più promettenti, queste potranno essere messe direttamente a confronto per riprodurre curve di taratura messe a disposizione da ARPA per campioni di diverse geometrie, densità e composizione chimica. Una volta identificata la tecnica migliore, potranno essere messi in atto i diversi passaggi necessari a validarla per renderla accreditabile ISO 17025. Questo prevede una prima parte di confronto tra simulazioni e misure di spettrometria con HPGe e sorgenti certificate, volte ad acquisire una conoscenza accurata della geometria sperimentale (strati morti, difetti, etc. dello strumento stesso) da utilizzare per ottimizzare le simulazioni stesse, seguita infine da misure di validazione seguendo, ove possibile, i protocolli richiesti dalla certificazione ISO 17025.

Proposte tesi per progetti XAI (eXplainable Artificial Intelligence)

Referenti: P. Govoni, S. Gennai

• Migliorare la stima della probabilità di recidiva in pazienti affetti da tumore tramite l'utilizzo di modelli di intelligenza artificiale.
  Quando ad un paziente viene asportato un tumore, e' prassi comune fare una serie di visite di controllo a tempi regolare per individuare la presenza di possibili recidive.  Questi dati vengono spesso salvati in database accessibili ai ricercatori che possono sfruttare le informazioni anonime per analisi statistiche per stimare  il rischio di recidiva a partire dai dati clinici di nuovi pazienti. Questa tesi si propone di migliorare la attendibilità di queste stime con l'utilizzo di tecniche avanzate di intelligenza artificiale, come l'utilizzo di modelli per regressioni e classificatori multidimensionali. 
• Ottimizzazione della scelta delle variabili da usare in modelli di intelligenza artificiale per la stima della probabilità di recidiva in pazienti affetti da tumore.
  Una delle cose fondamentali per ottimizzare le performance dei modelli di intelligenza artificiale è la scelta delle giuste variabili da usare nel training del modello. Spesso, particolarmente nei casi trattati in medicina, il numero di dati da analizzare è limitato e non è possibile utilizzare al meglio tutte le variabili mediche a disposizione. A questi scopo ci sono varie tecniche che si possono usare nella pipeline di preparazione dei dati. La tesi consiste nel provare alcune di queste tecniche per un caso specifico che stiamo studiando con colleghi del Politecnico di Milano. Queste tecniche utilizzano le informazioni ottenute tramite lo studio delle correlazioni tra le variabili e l'utilizzo di pacchetti di intelligenza artificiale che misurano l'impatto delle singole variabili nell'output del modello di intelligenza artificiale scelto.
  - randomizzare la scelta delle variabili da togliere in caso di correlazione
  - aggiungere la correlazione con la variabile temporale
  - Sui dati HEP: riprodurre lo stesso workflow e poi validare a posteriore con SHAP che non si perde informazione (facendo training su tutte le features)
• Tesi compilativa su tecniche statistiche usate per validare la correttezza dei modelli matematici per la stima della probabilità di recidiva in pazienti affetti da tumore. 
  Quando si elaborano dati relativi ai pazienti affetti da tumore al fine di stimare la probabilità di recidiva, è molto importante avere delle metriche per paragonare le performance di modelli diversi. Una delle metriche maggiormente usate e' il C-Index che però può dare risultati non corretti per alcune classi di problemi. Questa tesi  propone una review dei modelli statistici maggiormente usati con i relativi punti di forza e punti deboli nella stima di quanto bene un dato modello predittivo si adatta ai dati.

A muon beam monitor for CHNet-MAXI and FAMU experiments

Referenti: Daniela Di Martino, Riccardo Rossini (UNIPV), Massimiliano Clemenza

Progettazione, realizzazione e caratterizzazione di un rivelatore a fibre scintillanti lette da SiPM per il monitoraggio del fascio di muoni del Rutherford Appleton Laboratory (RAL, Regno Unito). L’attività, oltre alla parte di laboratorio presso le sezioni INFN di Milano-Bicocca e Pavia, prevedrà anche l’esecuzione di campagne di misura su fasci di protoni presso il sincrotrone CNAO di Pavia e di muoni presso il RAL.
 

Implementation of Monte Carlo simulation tools for the optimisation of muonic atom X-ray spectroscopy

Referenti: Oliviero Cremonesi, Matteo Cataldo, Massimiliano Clemenza

L’attività di tesi prevede l’implementazione di codici di simulazione Monte Carlo quali Arby (Geant4) e SRIM-TRIM. I codici saranno validati tramite misure di irraggiamento di bersagli di materiali noti con il fascio di muoni del Rutherford Appleton Laboratory (RAL, Regno Unito). Inoltre le attività di simulazione riguarderanno il dimensionamento del futuro array di rivelatori al germanio ad alta purezza che sarà installato presso il RAL allo scopo di incrementare l’efficienza e la sensibilità di misura, nell’ambito dell’esperimento CHNet-MAXI.

Characterisation of CdM meteorites with XRF, low-background gamma spectroscopy and neutron diffraction

Referenti: Daniela Di Martino, Riccardo Rossini (UNIPV), Massimiliano Clemenza, Giulia Marcucci, Maya Musa.

La caratterizzazione di meteoriti, fondamentale per la loro comprensione e con importanti risvolti nello studio della cosmogenesi, viene attualmente svolta principalmente con metodi chimico-petrologici distruttivi. Il nostro gruppo ha recentemente proposto un protocollo di analisi basato su tecniche non distruttive. La spettroscopia gamma a basso fondo (in Bicocca e al Gran Sasso) permette di identificare isotopi cosmogenici, certificando l’origine meteorica del campione. L’analisi con fluorescenza a raggi X (in Bicocca) e diffrazione neutronica (alla ISIS Neutron and Muon Source, nel Regno Unito) permette invece di determinarne la composizione. L’attività di tesi prevede l’ottimizzazione del protocollo e la sua applicazione inizialmente ad una collezione di meteoriti proveniente dal Museo di Ca’ del Monte (PV).

Per ulteriori informazioni potete contattare il referente di Fisica Applicata, Luca Gironi (luca.gironi@unimib.it).