Postdoc Contrôle Avancé Tolérant aux Défauts pour l'Amélioration de la Durabilité des Piles à Combustible
Les piles à combustible représentent une technologie clé pour les systèmes énergétiques propres et durables, en particulier dans des configurations hybrides pour des applications de transport et stationnaires. Cependant, leur durabilité dans des conditions réelles reste un défi critique. Ce projet vise à relever ces défis en explorant des stratégies de contrôle avancées basées sur des algorithmes de pronostic de pointe pour l’évaluation de l’état de santé des piles à combustible.
Cette offre se concentre sur les sujets de contrôle et optimisation avancés, et plus spécifiquement sur la conception de stratégies de contrôle tolérant aux défauts (FTC).
En s'appuyant sur des travaux antérieurs dans le domaine des pronostics par apprentissage automatique pour l’état de santé des piles à combustible, ce projet vise à développer des méthodes exploitant ces informations de pronostic pour optimiser le fonctionnement du système de pile à combustible. En combinant des approches basées sur des modèles, sur l’apprentissage par la donnée et avec des tests sur des plateformes réelles, ce projet vise à développer des solutions robustes et déployables qui améliorent la durabilité des piles à combustible tout en réduisant la complexité et les coûts de mise en œuvre des solutions avancées.
Conception et déploiement de stratégies innovantes de pilotage pour les réseaux énergétiques intelligents
Les réseaux de chaleur (RdC) jouent un rôle crucial dans les stratégies de transition énergétique grâce à leur capacité à intégrer efficacement les énergies renouvelables et la chaleur de récupération. En France, la stratégie nationale bas-carbone met l’accent sur l’expansion et l’optimisation des RdC, y compris des réseaux de plus petite taille avec plusieurs sources de chaleur comme le solaire thermique et le stockage. Les systèmes de contrôle intelligents, tels que le contrôle prédictif basé sur des modèles (MPC), visent à remplacer les pratiques manuelles basées sur l’expertise humaine pour améliorer l’efficacité. Cependant, le déploiement de systèmes de contrôle avancés sur de petits réseaux reste difficile en raison des coûts et de la complexité liés au matériel et à la maintenance.
Les solutions industrielles actuelles pour les grands RdC utilisent la programmation linéaire en nombres entiers mixtes (MILP) pour l’optimisation en temps réel, tandis que les petits réseaux s’appuient souvent sur des systèmes à base de règles. Les travaux de recherche se concentrent sur la simplification des modèles MPC, l’utilisation de pré-calculs hors ligne ou l’intégration de l’apprentissage automatique pour réduire la complexité. Des études comparatives évaluent diverses stratégies de contrôle en termes d’adaptabilité, d’interprétabilité et de performance opérationnelle.
Ce projet postdoctoral vise à faire progresser les stratégies de contrôle des RdC en développant, testant et déployant des approches innovantes sur un site expérimental réel. Il s’agit de créer et de comparer des modèles de contrôle, de les implémenter dans un simulateur physique, et de déployer les solutions les plus prometteuses. Les objectifs incluent l’optimisation des coûts d’exploitation, l’amélioration de la robustesse des systèmes et la simplification du déploiement.
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.
Développement de cellules Potassium-ion performantes et respectueuses de l'environnement
Les batteries Lithium-ion constituent un système de référence en termes de densité d’énergie et de durée de vie au point de devenir une technologie clé de la transition énergétique notamment en alimentant les voitures électriques. Cependant, cette technologie repose sur une utilisation importante d’éléments peu abondants et sur des procédés de fabrication énergivores.
Dans cette optique, notre équipe développe de nouvelles batteries Potassium-ion présentant des performances élevées et n’utilisant que des éléments abondants et des procédés de fabrication respectueux de l’environnement.
Pour ce projet ambitieux et innovant, le CEA-LITEN (acteur majeur européen dans le domaine de la recherche pour l'énergie) recrute un chercheur post doctoral en chimie des matériaux. L’offre s’adresse à un jeune chercheur talentueux possédant un excellent niveau scientifique et un gout prononcé pour la dissémination de ses résultats au travers de brevets et de publications scientifiques.
ANALYSES MULTI CRITERES DES TECHNOLOGIES DE PRODUCTION D’HYDROGENE PAR ELECTROLYSE
Le LITEN, fortement impliqué sur les technologies d’électrolyse, souhaite comparer via une analyse multi critères toutes les technologies d’électrolyse aujourd’hui soit disponibles commercialement (AEL, PEMEL), en phase de pré-industrialisation (SOEL), ou en phase de R&D (AEMEL et PCCEL).
Nos études précédentes étaient basées sur des cas d’usage précis (hypothèses figées sur la taille de l’usine, la source d’électricité, la technologie, …).
L’objectif de ces nouveaux travaux est de pouvoir positionner les différentes technologies d’électrolyse selon des paramètres qui seront à définir en début de projet, ces paramètres étant de type contextuel (ex nombre d’heures de fonctionnement, flexibilité attendue), techniques (ex rendement, durée de vie) ou technico économiques (ex CAPEX OPEX) et environnementaux (ex impacts GES, matières). . Il s’agira ici de développer une méthodologie originale qui permette de définir les domaines de pertinence de chacune des technologies d’électrolyse selon ces paramètres, en fonction par exemple du cout de l’hydrogène produit et de son impact environnemental
Simulation du transport thermique à des températures sub-Kelvin
La gestion thermique dans les ordinateurs quantiques est une tâche urgente et cruciale. Alors que le nombre de qubits augmente rapidement, davantage de circuits électriques sont placés près des qubits pour les faire fonctionner. Le chauffage par effet Joule de ces circuits pourrait considérablement réchauffer le dispositif de qubit, dégradant ainsi sa fidélité. Avec une activité intensive dans le domaine de l'informatique quantique à Grenoble, nous (CEA-LETI, Grenoble, France) recherchons un chercheur post-doctorant enthousiaste pour étudier le transport thermique à des températures cryogéniques (sous-Kelvin).
Le post-doctorant appliquera la fonction de Green hors équilibre par éléments finis [1], développée dans le groupe de Natalio Mingo au CEA-Grenoble, pour simuler le transport des phonons dans diverses structures conçues. Le résultat de la simulation favorisera la comparaison avec les expériences en cours et les discussions constructives afin d'optimiser la gestion thermique.
[1] C. A. Polanco, A. van Roekeghem, B. Brisuda, L. Saminadayar, O. Bourgeois, and N. Mingo, Science Advances 9, 7439 (2023).
Développements de systèmes optoélectroniques pour les technologies de capteurs quantiques
Le Laboratoire Autonomie et Intégration de Capteurs (LAIC) du CEA LETI a pour principales missions le développement de systèmes de capteurs, et en particulier de capteurs quantiques pour des applications de mesures hautes précisions de champs magnétiques. Les activités de l’équipe sont à l’interface du hardware (électronique, optronique, semi-conducteurs), du software (intelligence artificielle, traitement du signal) et du Système (architecture électronique, mécatronique, modélisations multiphysiques). Le projet Swarm (https://swarm.cnes.fr/fr/) qui a permis de mettre en orbite en 2013 nos capteurs quantiques pour la mesure du champ magnétique terrestre fait partie de nos track records, et un nouveau programme aux objectifs similaires démarre cette année.
Les technologies quantiques sont stratégiques pour le développement de capteurs aux performances inégalées, comme nous avons pu le démontrer en magnétométrie. Notre enjeu est aujourd’hui d’adapter ces développements et ce savoir-faire à de nouvelles physiques.
Afin d'accompagner nos développements autour des capteurs quantiques, nous recherchons un post-doc en opto-électronique pour concevoir de nouveaux capteurs quantiques et développer les bancs optiques associés. Ce post-doc comportera une composante expérimentale significative.
Votre mission principale sera de participer au développement de ces nouveaux capteurs et des bancs de caractérisation associés en interface avec les experts CEA du domaine.
Plus particulièrement votre mission s’articulera autour des actions suivantes :
• Conception et assemblage des capteurs quantiques (fibres optiques, sources RF, photodétecteurs)
• Participation à la modélisation des phénomènes physiques en jeu
• Conception et réalisation du banc de caractérisation optique
• Mise en place de l'électronique de pilotage des capteurs quantiques
• Publication des résultats dans des revues scientifiques
• Présentation des travaux dans des conférences internationales
Méthodes de reconstruction avancées pour la cryo-tomographie électronique appliquée à des échantillons biologiques
La Cryo-tomographie électronique (CET) est une technique puissante pour l'analyse structurelle en 3D d'échantillons biologiques dans leur état quasi naturel. Au cours de la dernière décennie, CET a connu des avancées remarquables en matière d'instrumentation, mais la rétroprojection filtrée (FBP) reste la méthode de reconstruction standard pour CET. En raison des dommages causés par les radiations et de la plage d'inclinaison limitée du microscope, les reconstructions FBP souffrent d'un faible contraste et d'artefacts d'élongation, connus sous le nom d'artefacts de « missing wedge » (MW). Récemment, les approches itératives ont suscité un regain d'intérêt pour améliorer la qualité et donc l'interprétabilité des reconstructions CET.
Dans ce projet, nous proposons d'aller au-delà de l'état de l'art en matière de CET en (1) appliquant des algorithmes de compresse sensing (CS) basés sur les curvelets et les shearlets, et (2) en explorant des approches d'apprentissage profond (DL) dans le but de débruiter et corriger les artefacts liés au MW. Ces approches ont le potentiel d'améliorer la résolution des reconstructions TEC et donc de faciliter les tâches de segmentation.
Le candidat réalisera une étude comparative des algorithmes itératifs utilisés dans les sciences de la vie et des approches CS et DL optimisées dans ce projet pour les structures curvilignes et les contours.
Exploration de solutions microfluidiques dans la fabrication de cibles pour la production d’énergie par fusion
Dans le cadre d’un appel à projet sur les « réacteurs nucléaires innovants », le projet TARANIS consiste à étudier la possibilité de production d’énergie par une centrale à fusion par confinement inertiel initiée par lasers de puissance. Le contexte actuel incitant le développement des énergies décarbonnées et les expériences de fusion conduites par les équipes américaines du NIF rendent très favorable la conduite de recherches de haut niveau visant à produire à terme une source d’énergie économiquement intéressante basée sur la fusion inertielle.
Parmi les nombreux verrous techniques à surmonter, la production de cibles de fusion avec un schéma réactionnel adapté et compatible avec la production d’énergie est un enjeu majeur. Le CEA dispose d’un savoir-faire permettant de produire des lots de capsules contenant les éléments fusibles de la réaction. Toutefois le procédé actuel n’est pas adapté à une production de masse de centaines de milliers de capsules par jour à un coût acceptable.
L’une des voies à fort potentiel repose sur l’usage de dispositifs microfluidiques, pour lesquels le Laboratoire des Systèmes Microfluidique et Bioingénierie (LSMB) du Département Technologies et Innovation pour la Santé (DTIS) de la DRT du CEA dispose d’une expertise reconnue.
Développement d'approches pour l'intelligence artificielle à base de bruit
Les approches actuelles de l'IA sont largement basées sur la multiplication matricielle. Dans le de ce projet postdoccadre toral, nous aimerions poser la question suivante : quelle est la prochaine étape ? Plus précisément, nous aimerions étudier si le bruit (stochastique) pourrait être la primitive computationnelle sur laquelle la nouvelle génération d'IA est construite. Nous répondrons à cette question en deux étapes. Tout d'abord, nous explorerons les théories concernant le rôle computationnel du bruit microscopique et au niveau du système dans les neurosciences, ainsi que la façon dont le bruit est de plus en plus exploité dans l'intelligence artificielle. Nous visons à établir des liens concrets entre ces deux domaines et, en particulier, nous explorerons la relation entre le bruit et la quantification de l'incertitude.
Sur cette base, le chercheur postdoctorant développera ensuite de nouveaux modèles qui exploitent le bruit pour effectuer des tâches cognitives, dont l'incertitude est une composante intrinsèque. Cela ne servira pas seulement comme une approche d'IA, mais aussi comme un outil informatique pour étudier la cognition chez les humains et aussi comme un modèle pour des zones spécifiques du cerveau connues pour participer à divers aspects de la cognition, de la perception à l’apprentissage, la prise de décision et la quantification de l'incertitude.
Les perspectives du projet postdoctoral devraient informer sur la manière dont l'imagerie IRMf et les enregistrements électrophysiologies invasifs et non invasifs peuvent être utilisés pour tester les théories de ce modèle. En outre, le candidat devra interagir avec d'autres activités du CEA liées au développement d'accélérateurs d'IA analogiques basés sur le bruit.