L'équipe du LIAD
Geoffrey DANIEL
Ingénieur-chercheurGeoffrey est ingénieur chercheur spécialisé en machine learning et son application pour le traitement de données scientifiques.
Il a obtenu son doctorat en 2020 à l'Université de Paris-Cité pour ses travaux de thèse menés au CEA sur le sujet : "Développement et optimisation d’une caméra Compton miniature à masque codé : méthode d’analyse d’un environnement radiatif par spectro-identification et localisation 3D de sources gamma". Le coeur du travail consistait en l'application de méthodes de machine learning pour l'analyse des données de la caméra gamma à la fois en spectroscopie et en imagerie.
À la suite de son doctorat, Geoffrey a rejoint l'équipe du Laboratoire d'Intelligence Artificielle et de Sciences des données. Ses activités se portent à la fois sur des sujets théoriques, comme la quantification d'incertitudes pour les prédictions des réseaux de neurones ou la robustesse des modèles de machine learning, et des aspects applicatifs. Il travaille en collaboration avec d'autres équipes du CEA pour l'utilisation de méthodes d'IA pour l'analyse de données scientifiques et il est impliqué dans divers projets, comme le projet européen MatCHMaker dédié à l'élaboration de matériaux durables.
En outre, il pilote le réseau ALLEGRIA qui propose des échanges et séminaires scientifiques autour des applications de l'IA au CEA et donne des cours en probabilités et machine learning à l'INSTN.
Liste des publications (non-exhaustive)
- G. Daniel et al. Deep learning reconstruction with uncertainty estimation for γ photon interaction in fast scintillator detectors, Engineering Applications of Artificial Intelligence, Volume 131 (2024)
- F.M.F. de Oliveira, G. Daniel, O. Limousin Artificial gamma ray spectra simulation using Generative Adversarial Networks (GANs) and Supervised Generative Networks (SGNs), Nuclear Instruments and Methods in Physics Research Section A, Volume 1047 (2023)
- R. Le Breton, O. Limousin, G. Daniel, et al. The Spid-X gamma camera: A miniature gamma ray integral field spectrometer for nuclear industry applications, Nuclear Instruments and Methods in Physics Research Section A, Volume 1047 (2023)
- O. Laurent, A. Lafage, E. Tartaglione, G. Daniel, J.-M. Martinez, A. Bursuc, G. Franchi Packed-Ensembles for Efficient Uncertainty Estimation, Published as a conference paper at ICLR 2023 (2023)
- Z. Chaouai, G. Daniel, J.-M. Martinez, O. Limousin, A. Benoit-Lévy Application of adversarial learning for identification of radionuclides in gamma-ray spectra, Nuclear Instruments and Methods in Physics Research Section A, Volume 1033 (2022)
- G. Daniel, Y. Gutierrez, O. Limousin Application of Deep Learning algorithm to Compton imaging of radioactive point sources with a single planar CdTe pixelated detector, Nuclear Engineering and Technology, Volume 54, Issue 5, pp. 1747-1753 (2022)
- G. Daniel, O. Limousin Extended sources reconstructions by means of coded mask aperture systems and deep learning algorithm, Nuclear Instruments and Methods in Physics Research Section A, Volume 1012 (2021)
- G. Daniel, F. Ceraudo, O. Limousin, D. Maier, A. Meuris Automatic and Real-time Identification of Radionuclides in Gamma-Ray Spectra: A new method based on Convolutional Neural Network trained with synthetic data set, IEEE Transactions on Nuclear Science, Vol. 67, No. 4, pp. 644-653 (2020)
- G. Daniel, O. Limousin, D. Maier, A. Meuris, F. Carrel Compton imaging reconstruction methods: a comparative performance study of direct back-projection, SOE, a new Bayesian algorithm and a new Compton inversion method applied to real data with Caliste, EPJ Web Conf. ANIMMA 2019, Volume 225 (2020)
- D. Maier, O. Limousin, G. Daniel Energy calibration via correlation using an adaptive mesh refinement, Web Conf. ANIMMA 2019, Volume 225 (2020)
- D. Maier, G. Daniel et al. Second generation of portable gamma camera based on Caliste CdTe hybrid technology, NIM-A, Volume 912, pp. 338-342 (2018)