Cadre MBSE augmenté par l’Intelligence Artificielle pour l’analyse conjointe de la sureté et de la sécurité des systèmes critiques
Les systèmes critiques doivent respecter simultanément des exigences de Sureté de fonctionnement (prévenir les défaillances involontaires pouvant entraîner des dommages) et de Sécurité (protéger contre les attaques malveillantes). Traditionnellement, ces deux domaines sont traités séparément, alors qu’ils sont interdépendants : Une attaque (Sécurité) peut déclencher une défaillance (Sureté), et une faille fonctionnelle peut être exploitée comme vecteur d’attaque.
Les approches MBSE permettent une modélisation rigoureuse du système, mais elles ne capturent pas toujours les liens explicites entre la Sureté [1] et Sécurité [2] ; les analyses de risques sont manuelles, longues et sujettes à erreurs. La complexité des systèmes modernes rend nécessaire l’automatisation de l’évaluation des compromis Sureté-Securité.
La modélisation MBSE conjointe sureté/sécurité a été largement abordé dans plusieurs travaux de recherche tels que [3], [4] et [5]. Le verrou scientifique de cette thèse consiste à utiliser l’IA pour automatiser et améliorer la qualité des analyses. Quel type d’IA devrons nous utiliser pour chaque étape d’analyse ? Comment détecter les conflits entre les exigences de sécurité et de sureté ? Quelle sont les critères pour évaluer l’apport de l’IA dans l’analyse conjointe sureté/sécurité…
CORTEX: Orchestration de Conteneurs pour les applications Temps-Réel, Embarqués/edge, à criticité miXte
Cette proposition de thèse de doctorat vise à développer un schéma d'orchestration de conteneurs pour les applications en temps réel, déployées sur un continuum de ressources de calcul hétérogènes dans l'espace embarqué-edge-cloud, avec un focus particulier sur les applications nécessitant des garanties en temps réel.
Les applications, allant des véhicules autonomes, à la surveillance de l'environnement ou à l'automatisation industrielle, exigent traditionnellement une grande prédictibilité avec des garanties en temps réel, mais elles demandent de plus en plus de flexibilité à l'exécution ainsi qu'une minimisation de leur empreinte environnementale globale.
Pour ces applications, une stratégie adaptative innovante est nécessaire pour optimiser dynamiquement (à l'exécution) le déploiement des charges logicielles sur les nœuds matériels, avec un objectif mixte-critique combinant des garanties en temps réel et la minimisation de l'empreinte environnementale.
Interconnexions 3D pour le design et la fabrication de processeurs quantiques
Pour améliorer les performances des ordinateurs quantiques, l'intégration tridimensionnelle (3D) est désormais essentielle. Grâce à des technologies telles que le flip-chip, le routage multi-niveaux ou même des vias traversants (TSV), l'intégration 3D offre des solutions pour augmenter le nombre de qubits sur un processeur, réduire les pertes de signaux et le cross-talk, et même améliorer la gestion thermique. Tous ces aspects sont essentiels pour continuer la mise à l'échelle des qubits.
Notre équipe développe des technologies d'interconnexion 3D (par exemple, des microbumps supraconducteurs et des TSV) pour la prochaine génération de processeurs quantiques. Cette thèse se concentrera sur la caractérisation électrique et radiofréquence de ces interconnexions et des dispositifs quantiques intégrés à proximité afin d'étudier l'impact de ces briques technologiques 3D sur les propriétés quantiques des systèmes formés.
Cette thèse se situe à la frontière entre les défis matériaux, technologiques et physiques des systèmes quantiques. Vous travaillerez avec les équipes du CEA-LETI et du CEA-IRIG. En tant que doctorant, vous participerez à la conception et au layout des véhicules de tests ainsi qu'à leur fabrication. Vous mènerez également les mesures à basse température des échantillons fabriqués, effectuerez les analyses associées et rédigerez des rapports.
Un cadre théorique pour la conception et la réalisation de robots sériels modulaires et reconfigurables axés sur les tâches, en vue d'un déploiement rapide.
Les innovations qui ont donné naissance aux robots industriels remontent aux années soixante et soixante-dix. Elles ont permis un déploiement massif de robots industriels qui ont transformé les ateliers, du moins dans certains secteurs de l'industrie tels que la construction automobile et certaines chaînes de production de masse.
Néanmoins, ces robots ne répondent pas totalement à d’autres applications qui sont apparues et se sont développées dans des domaines tels que la recherche en laboratoire, la robotique spatiale, la robotique médicale, l'inspection et la maintenance, la robotique agricole, la robotique de service et, bien sûr, les humanoïdes. Un petit nombre de ces secteurs ont connu un déploiement et une commercialisation à grande échelle de systèmes robotiques, mais la plupart avancent de manière lente et incrémentale.
Une question que l’on peut se poser est de savoir à quoi cela est dû ? Est-ce parce que le matériel n’est pas adapté (capacités physiques insuffisantes pour générer les forces et effectuer les mouvements nécessaires), parce que le logiciel n’est pas suffisamment performant (contrôle commande, perception, décision, apprentissage, etc.), ou parce qu’on ne dispose pas de paradigmes de conception capables de répondre aux besoin de ces applications (possibilités de conception rapide et sur mesure de nouveaux robots) ?
L'explosion sans précédent de la science des données, de l'apprentissage automatique et de l'IA dans tous les domaines de la science, de la technologie et de la société est souvent perçue comme une solution évidente pour répondre au problème, et une évolution radicale se profile ou est anticipée avec la promesse d'autonomiser les prochaines générations de robots grâce à l'IA (à la fois prédictive et générative). En conséquence, on a souvent tendance à apporter une attention particulière à l'aspect logiciel (apprentissage, aide à la décision, codage etc.), sans doute au détriment de capacités physiques améliorées (matériel) et de nouveaux concepts (paradigmes de conception). Il est pourtant clair que les aspects cognitifs de la robotique, notamment l'apprentissage, le contrôle et l'aide à la décision, ne pourront apporter une solution que si des dispositifs adaptés sont disponibles pour répondre aux besoins des diverses tâches que l’on souhaite robotiser, ce qui suppose des méthodologies de conception et un matériel adaptés.
L'objectif de cette thèse est ainsi de se concentrer sur les paradigmes de conception et le hardware, et plus spécifiquement sur la conception optimale de robots série utilisant une famille de « modules » standardisés dont l’agencement sera optimisé pour des familles de tâches données qui ne peuvent pas être accomplies par un robot industriel du marché. L’ambition de ce travail est de permettre de passer d’un catalogue donné de robots à la conception très rapide de solutions robotisées sur mesure.
Le candidat ou la candidate retenu(e) s'inscrira à l’Ecole Doctorale Mathématiques, STIC, de Nantes Université (ED-MASTIC) et sera accueilli(e) pendant trois ans au Service de Robotique Interactive du CEA-LIST à Palaiseau. Les professeurs Clément Gosselin (Laval) et Yannick Aoustin (Nantes) assureront l'encadrement académique de cette thèse qui sera co-encadrée par le Dr Farzam Ranjbaran du CEA-LIST.
Nous envisageons l’opportunité de poursuivre cette collaboration grâce à une bourse postdoctorale d’un an à laquelle le candidat pourrait candidater, une fois les prérequis du doctorat validés. Cette bourse serait hébergée au Centre de recherche en robotique, vision et intelligence artificielle (CeRVIM) de l’Université Laval, au Canada.
Intelligence Artificielle pour la Modélisation et l'Analyse Topographique des Puces Électroniques
L’inspection des surfaces de wafers est cruciale en microélectronique pour détecter les défauts affectant la qualité des puces. Les méthodes traditionnelles, basées sur des modèles physiques, sont limitées en précision et en temps de calcul. Cette thèse propose d’utiliser l’intelligence artificielle (IA) pour caractériser et modéliser la topographie des wafers, en exploitant des techniques d’interférométrie optique et des modèles avancés.
L’objectif est de développer des algorithmes d’IA capables de prédire les défauts topographiques (érosion, dishing) avec une haute précision, en s’appuyant sur des architectures comme les réseaux de neurones convolutifs (CNN), les modèles génératifs ou les approches hybrides. Les travaux incluront l’optimisation des modèles pour une inférence rapide et une généralisation robuste, tout en réduisant les coûts de fabrication.
Ce projet s’inscrit dans une démarche d’amélioration des procédés de microfabrication, avec des applications potentielles dans l’industrie des semi-conducteurs. Les résultats attendus contribueront à une meilleure compréhension des défauts de surface et à l’optimisation des processus de production.
Imagerie de contraste de phase différentiel à base de capteur d'image quad-pixel
La bioproduction de médicament est en plein essor et consiste à faire produire par des cellules les molécules d’intérêt. Pour cela, un suivit de la culture et de l’état des cellules est nécessaire. L’imagerie de phase quantitative par holographie est une méthode optique sans marquage qui a déjà démontré sa capacité à mesure la concentration et la viabilité des cellules cultivées. Toutefois l’implémentation de cette technique dans un bioréacteur se confronte à plusieurs difficultés liées à la forte concentration des cellules. Il est donc nécessaire de développer de nouvelles méthodes d’imagerie de phase quantitative comme l’imagerie par contraste de phase différentiel. L’objectif de la thèse est de développer cette technique avec l’utilisation d’un capteur d’image particulier dont un prototype a été réalisé au CEA-LETI. Le doctorant utilisera ce nouveau capteur et développera les algorithmes de reconstruction et de traitement d’images. Il identifiera également les points limitant du prototype actuel et définira les spécifications d’un second prototype qui sera réalisé au CEA-LETI. Enfin il se projettera dans la réalisation d’une sonde in-line, plongée dans le bioréacteur.
Planification de tâches sous contraintes
Les systèmes embarqués, en particulier les robots, ont besoin de la capacité de planifier leur prochaines actions leur offrant ainsi l'autonomie. Cependant il devient de obligatoire d'assurer un comportement sûr puisque ces systèmes interagissent de plus en plus avec des humains (par exemple : voiture autonomes, drones de loisirs, cobots manufacturiers etc.).
Afin de pouvoir résoudre ce problème en essors nous voudrions étudier la planification de tâches sous contraintes : choisir la meilleure séquence d'actions en assurant que celle-ci valide et optimise des critères variés tels que la performance et la sûreté mais il pourrait être intéressant de prendre en comte d'autres contraintes. Le but de la thèse se décompose en deux aspects majeures, le premier consiste à modéliser les contraintes s'appliquant au système dans une forme qui soit à la fois compréhensible des experts et qui puisse être exploitée par l'algorithme de planification (par exemple, en utilisant un Operational Design Domain ou un Dynamic Assurance Case pour évaluer la sûreté d'un système). Vraisemblablement cette modélisation se fera au moyen d'ontologies et de graphes de connaissances. Cela afin de bénéficier de leur grande expressivité et de l'outillage associé. Le second aspect de la thèse est l'amélioration de l'algorithme de planification afin qu'il bénéficie des modèles de contraintes, en particulier afin de bénéficier de la quantité d'information stockées dans les modèles. Ces modèles devront avoir une structure générique puisque il faut pouvoir représenter différentes natures de contraintes : sûreté, performance/coût, "confort" social, nombre de ressources contraintes sur le chemin critique, nombre et natures des interactions avec d'autres agents, faisabilité/applicabilité géométrique, (et potentiellement éthique) ...
Ce sujet s'inscrivant dans le contexte des systèmes autonomes et robotiques, une importance est donnée à l'intégration et la démonstration dans des cas réels des résultats.
Conception d’un circuit intégré de décodage de l’activité cérébrale motrice pour l’utilisation autonome d’une interface cerveau machine de suppléance motrice
Ce travail s’inscrit dans le cadre du développement d’interfaces cerveau-machine dédiées à la restauration de la mobilité pour des patients souffrant de handicaps moteurs chroniques sévères. Les solutions technologiques proposées reposent sur le décodage des signaux cérébraux acquis au niveau du cortex moteur, afin d’extraire les intentions de mouvement (Benabid et al, The Lancet Neurology, 2019 ; Lorach et al, Nature 2023). Ces intentions servent de commandes pour des systèmes de compensation motrice. Notre équipe est pionnière dans ce domaine, ayant développé WIMAGINE, l’un des premiers implants chroniques sans fil, ainsi qu’un décodeur et des effecteurs adaptés aux besoins des patients paraplégiques ou tétraplégiques.
La recherche proposée fait suite à une première thèse dont l’objectif était de concevoir un circuit intégré spécifique, capable de répliquer les performances du décodeur de signaux cérébraux avec une consommation énergétique extrêmement réduite, en utilisant un modèle fixe. Cependant, en raison des changements de stratégie de l’utilisateur ou de l’évolution naturelle de ses structures cérébrales, les performances du modèle de décodage tendent à se dégrader au fil des mois, nécessitant une recalibration régulière. Des premières stratégies de compensation de ces phénomènes ont été identifiées. L’objectif du candidat sera de perfectionner ces stratégies et de proposer une implémentation sous la forme d’un circuit numérique à très basse consommation.
La thèse se déroulera à Grenoble, au sein d’une équipe projet dynamique composée d’experts reconnus dans la conception et la validation clinique des interfaces cerveau-machine. L’équipe se distingue particulièrement dans la conception de circuits intégrés spécifiques et le développement d’algorithmes de décodage de signaux. Ce cadre permettra au doctorant d’évoluer dans un environnement scientifique stimulant et de valoriser ses travaux de recherche, tant en France qu’à l’étranger.
Systèmes de maintenance prédictive basés sur l’acoustique et les ultrasons pour les équipements industriels
Les convertisseurs de puissance sont essentiels dans de nombreuses applications telles que l’industrie, les systèmes photovoltaïques, les véhicules électriques et les centres de données. Leur maintenance conventionnelle est souvent basée sur des calendriers fixes, entraînant un remplacement prématuré des composants et une quantité importante de déchets électroniques.
Ce projet de doctorat vise à développer une nouvelle approche de surveillance non invasive et à faible coût, basée sur les ultrasons, afin d’évaluer l’état de santé et la durée de vie résiduelle (RUL) des convertisseurs de puissance déployés dans divers secteurs industriels.
La recherche se concentrera sur l’identification et la caractérisation des signatures ultrasonores émises par des composants électroniques vieillissants, ainsi que sur le développement de réseaux de neurones guidés par la physique (PINNs) pour modéliser leurs mécanismes de dégradation. Le projet combinera des études expérimentales avec des techniques avancées de traitement du signal et d’intelligence artificielle (compressed sensing), dans le but de détecter les premiers signes de défaillance et de permettre des stratégies de maintenance prédictive exécutées localement (edge deployment).
Les travaux de recherche seront menés dans le cadre d’un réseau doctoral Marie Sklodowska-Curie Actions (MSCA), offrant une formation internationale, une collaboration interdisciplinaire et des périodes de mobilité auprès de partenaires académiques et industriels de premier plan en Europe (Italie et Pays-Bas pour cette offre de doctorat).
Suivi en ligne des procédés de bio-production par imagerie holographique 3D
La culture des cellules adhérentes est un moyen prometteur pour différentes applications en bioproduction, comme la fabrication et l'administration de biomédicaments, la médecine régénérative, ou le suivi de la différenciation cellulaire. Cependant, elle pose des défis majeurs pour l’analyse des cellules sans affecter l’intégrité du substrat. L’imagerie holographique sans lentille se présente comme une solution prometteuse, capable de capturer des images de cellules sur un grand champ de vue sans aucune étape biochimique supplémentaire.
Cette thèse propose de développer un système d’imagerie holographique 3D pour le suivi des cellules adhérentes en temps quasi-réel, avec des algorithmes avancés pour la reconstruction et l’analyse d’images. Le système testé en terme de précision et robustesse sur des cultures biologiques variées. L’utilisation de l’apprentissage profond permettra la segmentation et l'analyse des cellules en temps quasi-réel, facilitant ainsi le suivi des dynamiques cellulaires. Ce projet innovant promet d'optimiser les procédés biologiques en offrant une vision non invasive des échantillons multicellulaires en 3D, avec des applications potentielles comme le suivi d’organes-sur-puce et de systèmes cellulaires complexes.