Application de l’intelligence artificielle à l’identification d’objets dans des images de microscopie électronique en Transmission (TEM)
La caractérisation d’objets de taille nanométrique par microscopie électronique à transmission (MET) est essentielle pour évaluer le comportement mécanique des matériaux de structure des réacteurs nucléaires ou dans le domaine de la nanotechnologie. Ces objets, visibles par contraste de phase (nanobulles) ou contraste de diffraction (boucles de dislocation ou précipités cohérents), sont des candidats de choix à l'automatisation. L'analyse manuelle de ces micrographies est souvent chronophage et non reproductible. Dans ce projet, l'objectif est de développer des outils informatiques en Python basés sur des techniques d'apprentissage automatique pour traiter des images de MET. Pour cela, le travail se décompose en plusieurs tâches:
- Recueil d’une base de données conséquente, indispensable au succès de toute approche de ce type. Dans ce projet, quatre microscopistes sont impliqués et enrichiront en permanence la base de données avec des images contenant des caractéristiques facilement reconnaissables.
- Débruitage des images et recherche des contours des objects (défauts) à la fois grâce à des logiciels en libre accès existants et à des descripteurs développés en interne. Une région d'intérêt (ROI) représentative sera générée sur les images.
- Conception de l'architecture du réseau de neurones de type CNN et apprentissage du modèle: Une identification collective sera effectuée sur l'ensemble des images afin d'identifier certaines régions (ou objets) d’intérêt (ROI). Chaque ROI est ensuite superposé à l’image initiale et est transmise au réseau de neurones pour établir des identifications particulières. Par ailleurs, les avancées récentes en matière de segmentation d'images seront intégrées au processus.
- Appréciation de la performance du modèle
Le processus sera appliqué à des défauts nanométriques formés dans des matériaux nucléaires (alliages à haute entropie sans Co, UO2) ainsi qu’à des précipités dans des matériaux d'intérêt technologique (Cr dans Cu).
Mise en œuvre de capteurs permettant le suivi en ligne de la corrosion des aciers inoxydables en milieu acide nitrique chaud et concentré
La maîtrise du vieillissement des matériaux des équipements (principalement en acier inoxydable) de l'usine de recyclage du combustible nucléaire usé, fait l'objet d'une attention permanente. Certaines installations de l’usine de la Hague devront d’ailleurs être remplacées très prochainement. Dans ce contexte, il est important pour l’industriel de développer des capteurs, résistants à l’acide nitrique concentré (˜ 2,5 mol/L) et à la température (de l’ambiante à 130 °C), permettant de suivre la corrosion en ligne.
L’objectif de ce travail est de fabriquer un capteur permettant de détecter la corrosion de l’acier.
Les challenges de ce sujet de post-doc sont essentiellement technologiques puisqu’il s’agira de développer ou d’utiliser des matériaux adaptés à des milieux acides nitriques concentrés et chauds.
Le laboratoire est spécialisé dans l'étude de la corrosion dans des conditions extrêmes. Il est composé d'une équipe scientifique très dynamique et motivée.
Modélisation thermodynamique des oxydes complexes pour les capteurs intelligents
La recherche de matériaux plus efficaces suit un schéma qui a très peu changé au fil des ans, impliquant des phases peu automatisées de synthèse et de caractérisation. Bien que ce schéma ait prouvé sa force dans la création de bases de connaissances, il reste inefficace car il est chronophage et couvre généralement une gamme réduite de compositions. Le projet Hiway-2-mat (https://www.pepr-diadem.fr/projet/hiway-2-mat/) vise à utiliser des approches combinatoires à haut débit et à développer des configurations autonomes pour explorer les espaces de composition des matériaux d'oxyde complexes, dans le but d'accélérer la découverte de matériaux pour les capteurs intelligents. Dans ce contexte, la méthode CALPHAD est un outil précieux pour l'exploration des matériaux, car elle peut fournir des informations sur le rôle de l'état d'oxydation ou de la pression partielle de l'oxygène sur la stabilité de la phase, et sur le degré de substitution des éléments dopants dans une matrice d'oxyde. L'objectif est de calculer les diagrammes de phase d'oxydes complexes à partir des bases de données disponibles, soit pour mieux préparer les expériences combinatoires, soit pour piloter le robot autonome à la volée, en fournissant des informations supplémentaires pour la caractérisation en ligne.
Votre rôle sera de:
1)Effectuer des simulations thermodynamiques en utilisant la méthode CALPHAD et le logiciel Thermo-Calc pour prédire la gamme de stabilité d'un ensemble d'oxydes complexes (Ba/Ca/Sr)(Ti/Zr/Sn/Hf)O3 à différentes températures et pressions partielles d'oxygène. Le candidat effectuera également un examen critique des données thermodynamiques disponibles dans la littérature.
2)Inclure des éléments clés dans la base de données disponible.
3)Développer une méthode de screening rapide pour rechercher les compositions les plus prometteuses.
4)Collaborer avec l'équipe de développement de la plateforme expérimentale pour orienter les futurs essais.