Application d'une méthode de filtrage pour l'estimation de paramètres de conditions de transmission effectives à partir de données ultrasonores
Dans un travail de thèse récemment abouti, une stratégie de filtrage combinant à la fois les itérations d'une méthode de descente de type Levemberg-Marquardt avec une approche par filtrage de Kalman sans gradient a été mise au point. De premières évaluations de l'algorithme ont été menées à bien afin de reconstruire la pré-déformation d'une géométrie de plaque à partir de données ultrasonores de type ondes guidées. Dans ce contexte, l'objectif principal du travail proposé est d'une part de consolider les connaissances et la mise-en-œuvre de l'approche proposée, et de confirmer son efficacité et son intérêt dans d'autres configurations de CND par ultrasons. Un cas d'application d'intérêt particulier dans le cadre de ce travail sera la reconstruction des paramètres de Conditions de Transmission Effectives (CTEs) pouvant typiquement représenter : un défaut de délaminage entre deux couches d'un matériaux composite, un collage imparfait entre un capteur ultrasonore et la pièce inspectée, ou encore une interface présentant une rugosité de dimensions caractéristiques inférieures à la longueur d'onde minimale utilisée pour le contrôle. Dans les cas pratiques industriels, les paramètres de ces CTEs sont difficiles à obtenir. Ainsi, l'intérêt de mettre en place un procédé de filtrage est d'offrir, dans les cas complexes, une calibration automatique des paramètres effectifs de ces modèles.
Correction numérique de l’état de santé d’un réseau électrique
Les défauts de câbles sont généralement détectés lorsque la communication est interrompue, ce qui entraîne des coûts et des temps de réparation non négligeables. De plus, l’intégrité des données devient un enjeu majeur en raison des menaces d’attaques et d’intrusions accrues sur les réseaux électriques, qui peuvent perturber la communication. Pouvoir distinguer une perturbation due à la dégradation de la couche physique d’un réseau électrique ou à une attaque en cours sur le réseau énergétique, permettra de guider la prise de décision concernant les opérations de correction, notamment la reconfiguration du réseau et la maintenance prédictive, afin de garantir la résilience du réseau. Le sujet propose d’étudier la relation entre les défauts naissants sur les câbles et leur impact sur l’intégrité des données dans le cadre d’une communication par lignes électriques ou PLC (Power Line Communication). Les travaux se baseront sur le déploiement d’une instrumentation utilisant la réflectométrie électrique, combinant des capteurs distribués et des algorithmes d’IA pour le diagnostic en ligne des défauts naissants sur les réseaux électriques. En présence de certains défauts, des méthodes avancées d’IA seront appliquées afin de corriger numériquement l’état de santé de la couche physique du réseau électrique et garantir ainsi sa fiabilité.
Caractérisation de phénomènes transitoires rapides par imagerie à rayons X en contraste de phase
Ce post-doctorat vise à développer une chaîne de mesure pour observer et caractériser des Phénomènes Transitoires Rapides (PTR) par Imagerie à Rayons X (IRX) en contraste de phase. Le but est de créer un système de mesure utilisable en laboratoire pour des expériences impossibles à déplacer au synchrotron, répondant à des besoins de l’ONERA et du CEA en fabrication additive, propagation d’ondes de choc et diagnostic de matériaux composites. Pour les objets à faible absorption comme les polymères peu denses, l’IRX conventionnelle est insuffisante. La phase du rayonnement X, mesurée par interférométrie à décalage multilatéral (IDML), permet de mieux détecter les inhomogénéités. Le candidat dimensionnera le système imageur, établira une méthodologie statique pour l’optimiser en dynamique, visant une cadence > 1 kHz, un temps d’exposition de l’ordre de la µs, et une résolution spatiale entre 30 et 300 µm. Il explorera la détection indirecte via un scintillateur ou directe avec des semi-conducteurs, utilisant le banc d’imagerie et les codes de simulation du CEA. Il démontrera l’imagerie dynamique de PTR et étudiera l'extension aux très hautes cadences (>100 kHz) et au « flash nanoseconde » monocoup.
Développement d’une nouvelle base de données atomiques de référence pour les processus radioactifs
Plusieurs communautés scientifiques ont souligné le manque de précision et les incohérences de la base de données atomiques de référence EADL. Les données ont été calculées à partir d’une approche Dirac-Hartree-Slater assez simple, puis corrigées ultérieurement de manière empirique. Elle reste cependant à ce jour la seule qui soit suffisamment complète pour être utilisable par des codes de simulation. Ces dernières années, une collaboration s’est développée au cours de deux projets européens successifs entre le FCT-UNL (Lisbonne, Portugal), l’IPCMS (Strasbourg, France) et le LNHB (CEA Saclay, France). Un nouveau code atomique relativiste, basé sur la théorie de la fonctionnelle de la densité, a été développé et validé par l’étude de différentes probabilités de transition par capture électronique. Le but de ce sujet est de développer une nouvelle base de données atomiques de référence à partir de ce code atomique. Les équations théoriques devront être établies. Plusieurs éléments devront être calculés et les prédictions comparées à la littérature. L’influence de cette modélisation atomique précise sur la correction d’effet d’échange dans les transitions bêta sera aussi étudiée. Au moins une publication et une participation à une conférence internationale sont envisagées.
Apprentissage de règles causales
Dans le cadre d’un projet qui concerne la création de matériaux innovants, nous souhaitons renforcer notre plateforme dans sa capacité à apprendre à partir de peu de données expérimentales.
En particulier, nous souhaitons travailler dans un premier temps sur l’extraction de liens causaux entre les paramètres de fabrication et la propriété. L’extraction de causalité est un sujet de très grande importance en IA aujourd’hui et nous souhaitons adapter les approches existantes aux données expérimentales et leurs particularités afin de sélectionner les variables d’intérêt. Dans un second temps, nous nous intéresserons à partir de ces liens causaux, à leur caractérisation (inférence causale) par une approche à base de règles floues, c’est-à-dire que nous créerons des règles floues adapter à leur représentation.
Etalonnage dosimétrique du système de monitorage d'un faisceau de Flashthérapie à ultra haut débit de dose de l’installation IRAMIS
Les faisceaux dit Ultra-flash sont des faisceaux pulsés d’électrons de haute énergie (plus d’une centaine de MeV) dont la durée des impulsions est de l’ordre de la femto-seconde. L’installation IRAMIS (CEA saclay) utilise l’accélération laser pour produire ce type de faisceaux avec ne vue leur application à la radiothérapie. Le LNHB est chargé d’établir la traçabilité dosimétrique de l’installation IRAMIS, pour ce faire il doit étalonner le moniteur de cette installation. Les installations de radiothérapie actuelles sont fondées sur des accélérateurs linéaires médicaux fonctionnant avec des énergies atteignant 18 MeV en mode électron. Le LNHB dispose d’un tel équipement. Il est utilisé pour établir les références nationales en termes de dose absorbée dans l’eau, dans les conditions décrites dans le protocole AIEA TRS 398
L’établissement de la traçabilité dosimétrique implique de choisir les conditions de mesure sur l’installation, de connaitre les caractéristiques du dosimètre utilisées pour le transfert et les éventuelles corrections à appliquer aux mesures compte tenu des différences entre l’installation IRAMIS et celle du LNHB.
Optimisation d’une approche métrologique pour l’identification de radionucléides basée sur le démélange spectral
Le Laboratoire national Henri Becquerel (LNE-LNHB) situé au CEA/Saclay est le laboratoire responsable des références françaises dans le domaine des rayonnements ionisants. Depuis quelques années, il est impliqué dans le développement d’un outil d’analyse automatique des spectres gamma à faible statistique fondé sur la technique du démélange spectral. Cette approche permet notamment de répondre aux contraintes métrologiques telles que la robustesse de la prise de décision et l’estimation non biaisée des comptages associés aux radionucléides identifiés. Pour étendre cette technique à la mesure de terrain et en particulier à la déformation des spectres due aux interactions dans l’environnement d’une source radioactive, un modèle hybride de démélange spectral combinant des méthodes d’apprentissages statistique et automatique est en cours de développement. Cette solution mathématique a pour but l’implémentation d’une estimation conjointe des spectres mesurés et des comptages associés aux radionucléides identifiés. L’étape suivante sera la quantification des incertitudes des grandeurs estimées à partir du modèle hybride. L’objectif est également d’investiguer la technique du démélange spectral dans le cas de la détection des neutrons avec un détecteur NaIL. Le futur candidat contribuera à ces différentes études dans le cadre d’une collaboration avec le Laboratoire d’ingénierie logicielle pour les applications scientifiques (CEA/DRF).
Développement d'Algorithmes pour la Détection et la Quantification de Biomarqueurs à partir de Voltammogrammes
L'objectif du post-doctorat est de développer une solution algorithmique et logicielle performante permettant la détection et la quantification des biomarqueurs d'intérêt à partir de voltammogrammes. Ces voltammogrammes sont des signaux unidimensionnels issus de capteurs électrochimiques innovants. L'étude sera réalisée en étroite collaboration avec un autre laboratoire du CEA-LIST, le LIST/DIN/SIMRI/LCIM, qui proposera des capteurs électrochimiques dédiés et novateurs, ainsi qu'avec la start-up USENSE, qui développe un dispositif médical permettant la mesure de plusieurs biomarqueurs dans l'urine.
POST-DOC/CDD Reconstruction tomographique en rayons X basée sur des méthodes Deep-Learning
Le CEA-LIST développe la plateforme logicielle CIVA, référence de la simulation des procédés de contrôle non destructif. Elle propose notamment des outils pour l’inspection radiographique X et tomographique qui permettent, pour un contrôle donné, de simuler l’ensemble des radiographies en prenant en compte divers phénomènes physiques associés, ainsi que la reconstruction tomographique correspondante. Le CEA-LIST comporte par ailleurs une plateforme expérimentale pour l’inspection robotisée par tomographie à rayons X.
Le travail proposé s’intègre dans la contribution du laboratoire à une ANR bilatérale franco-allemande impliquant des partenaires académiques et industriels et portant sur l’inspection d’objets de grandes dimensions permise par la plateforme robotisée. Afin de pouvoir mener à bien la reconstruction 3D de l'objet, un nombre suffisant de radiographies doit être réalisé. Dans bien des situations, certains angles de vues ne peuvent pas être acquis en raison des dimensions de l'objet et/ou des limitations de mouvement des robots utilisés, entraînant une perte de qualité de la reconstruction 3D.
Les contributions attendues portent sur l’utilisation de méthodes de Deep-Learning, pour compléter les projections manquantes d’une part, et réduire les artéfacts de reconstruction d’autre part. Ce travail inclut des étapes basées sur CIVA que sont la constitution d’une base de données simulées et l’évaluation par mesure POD (Probability Of Detection).
Le(la) candidat(e) aura accès aux facilités du centre de recherche de Paris Saclay et sera amené(e) à valoriser ses résultats sous la forme de communications scientifiques (conférences internationales, publications).
Profil du candidat :
Docteur en traitement de données ou intelligence artificielle.
Anglais niveau courant (présentation orale, rédaction de publications scientifiques).
Une connaissance préalable de la physique des rayons X et des méthodes de reconstruction tomographique serait appréciée.
Reconstruction tomographique par rayons X basée sur des méthodes analytiques et Deep-Learning
Le CEA-LIST développe la plateforme logicielle CIVA, référence de la simulation des procédés de contrôle non destructif. Elle propose notamment des outils pour l’inspection radiographique X et tomographique qui permettent, pour un contrôle tomographique donné, de simuler l’ensemble des projections radiographiques (ou sinogramme) en prenant en compte divers phénomènes physiques associés, ainsi que la reconstruction tomographique correspondante.
Le travail proposé s’intègre dans la contribution du laboratoire à un projet européen qui porte sur l’inspection tomographique de containers de transport de marchandise avec des systèmes d’inspection utilisant des sources de haute énergie. Les contraintes spatiales de l’étape d’acquisition des projections (les camions transportant les containers passent dans un portique d’inspection) impliquent une adaptation de la géométrie du système source/détecteur et par conséquent de l’algorithme de reconstruction correspondant. De plus, le système ne peut générer qu’un nombre de projections réduit, ce qui rend le problème mal posé dans le contexte de l’inversion.
Les contributions attendues portent sur deux aspects distincts de la méthodologie de reconstruction à partir des données acquises. D’une part, il s’agit d’adapter les méthodes de reconstruction analytiques à la géométrie d’acquisition spécifique de ce projet, et d’autre part de travailler sur des méthodes permettant de pallier le manque d’information lié au nombre limité de projections radiographiques. Dans cet objectif, des méthodes d’apprentissage supervisé, plus spécifiquement par Deep-Learning, seront utilisées à la fois pour compléter le sinogramme, et pour réduire les artéfacts de reconstruction causées par le faible nombre de projections disponible. Une contrainte d’adéquation aux données et au système d’acquisition sera également introduite afin de générer des projections physiquement cohérentes.