Commande optimisée d’un hub énergétique modulaire à signature CEM minimal
L’intégration des EnRs devient de nos jours un enjeu important pour les convertisseurs de puissance. La multiplication de ces convertisseurs et leur taux d’utilisation moyen permet de repenser la gestion des échanges d’énergie au niveau système. Ceci nous amène au concept de hub énergétique permettant d’interfacer par exemple un panneau photovoltaïque, un véhicule électrique, un réseau et du stockage stationnaire avec les charges.
Le but principal de cette thèse est d’améliorer l’efficacité, la compacité et la modularité du hub énergétique par le contrôle. Pour cela, plusieurs idées émergent, comme le contrôle avancé permettant de minimiser les pertes, la mise en opposition d’entrée alternative (AC) permettant de réduire le filtrage de compatibilité électromagnétique (CEM), la mise en série/parallèle de sortie continue (DC) permettant d’adresser des batteries 400Vdc/800Vdc, l’augmentation de fréquence de découpage permettant de réduire le volume etc…
Cette thèse permettra donc à moyen terme d’avoir un convertisseur optimal aussi bien énergétiquement qu’environnementalement.
Mécanismes d’apprentissage pour la détection de comportements anormaux dans les systèmes embarqués
Les systèmes embarqués sont de plus en plus utilisés dans des infrastructures critiques (e.g. réseau de production d’énergie) et sont donc des cibles d’attaques privilégiées pour des acteurs malicieux. L’utilisation de systèmes de détection d’intrusion (IDS) analysant dynamiquement l’état du système devient nécessaire pour détecter une attaque avant que ses impacts ne deviennent dommageables.
Les IDS qui nous intéresse sont basés sur des méthodes de détection d’anomalie par machine learning et permettent d’apprendre le comportement normal d’un système et de lever une alerte à la moindre déviation. Cependant l’apprentissage du comportement normal par le modèle est fait une seule fois en amont sur un jeu de données statique, alors même que les systèmes embarqués considérés peuvent évoluer dans le temps avec des mises à jour affectant leur comportement nominal ou l’ajout de nouveaux comportements jugés légitimes.
Le sujet de cette thèse porte donc sur l’étude des mécanismes de réapprentissage pour les modèles de détection d’anomalie pour mettre à jour la connaissance du comportement normal par le modèle sans perdre d’information sur sa connaissance antérieure. D’autres paradigmes d’apprentissage, comme l’apprentissage par renforcement ou l’apprentissage fédéré, pourront aussi être étudiés pour améliorer les performances des IDS et permettre l’apprentissage à partir du comportement de plusieurs systèmes.
Amélioration du Reverse-Engineering par Side-Channel
La caractérisation de la sécurité des systèmes embarqués en « boite noire » ou « boite grise » face aux attaques Side-Channel requiert fréquemment une phase préparatoire de Reverse-Engineering, qui peut être particulièrement chronophage, notamment sur un Sytem-on-Chip complexe que l’on peut retrouver sur smartphone ou dans l’automobile. Cette phase peut, par exemple, consister en la détection d’une primitive cryptographique au sein de mesures Side-Channel pour une future attaque par observation, ou d’une routine cible pour une attaque par perturbation. L’objectif de cette thèse est de développer une méthodologie et des outils non-profilés permettant l’automatisation de cette phase de détection, tout en permettant d’exploiter la connaissance a priori d’un potentiel attaquant.
Modélisation électromagnétique des signatures radar et IA pour la reconnaissance d’objets
Cette thèse offre une opportunité unique de travailler à l’interface entre l’électromagnétisme, la simulation numérique et l’intelligence artificielle, afin de contribuer au développement des systèmes intelligents de détection et de reconnaissance de nouvelle génération. Le/la stagiaire intégrera le Laboratoire Antenne et Propagation (LAPCI) du CEA-LETI, à Grenoble (France), un environnement de recherche de rang mondial disposant d’équipements à la pointe de la technologie pour la caractérisation et la modélisation du canal de propagation, tels que des sondeurs de canal, des émulateurs, des chambres anéchoïques et des simulateurs électromagnétiques avancés. Une collaboration avec l’Université de Bologne (Italie) est prévue durant la thèse.
Cette thèse vise à développer des modèles électromagnétiques avancés de rétrodiffusion radar en champ proche, adaptés aux systèmes radar et JCAS opérant aux fréquences mmWave et THz. Les travaux porteront sur la modélisation physique de la signature radar d’objets étendus, en tenant compte des effets de champ proche, des configurations multi-statiques et multi-antennes, ainsi que de l’influence des matériaux et de l’orientation des cibles. Ces modèles seront validés par simulations électromagnétiques et par des campagnes de mesures, puis intégrés dans des outils de simulation de scène et de propagation multi-trajets de type ray-tracing. Les signatures radar ainsi obtenues seront exploitées pour entraîner des algorithmes d’intelligence artificielle dédiés à la reconnaissance d’objets, à l’inférence des propriétés des matériaux et à l’imagerie radar. En parallèle, des approches d’IA assistée par la physique seront étudiées afin d’accélérer les simulations électromagnétiques et de réduire leur complexité computationnelle. L’objectif final de la thèse est d’intégrer ces informations issues de la rétrodiffusion radar dans un framework de Semantic Radio SLAM 3D, afin d’améliorer la localisation, la cartographie et la compréhension de l’environnement dans des scénarios complexes ou partiellement masqués.
Nous recherchons un(e) étudiant(e) de niveau école d’ingénieur ou Master 2, avec de solides bases en traitement du signal, électromagnétisme, radar ou télécommunications. Un intérêt pour l’intelligence artificielle, la modélisation physique et la simulation numérique est attendu. Des compétences en programmation (Matlab, Python) seront appréciées, ainsi qu’une capacité à travailler à l’interface entre modèles théoriques, simulations et expérimentations. Curiosité scientifique, autonomie et motivation pour la recherche sont essentielles.
La candidature doit inclure un CV, un relevé de notes et une lettre de motivation.
Capteur quantique-radiofréquence hybridé
A travers l’action exploratoire Carnot SpectroRF, le CEA Leti s’implique dans les systèmes de capteurs radiofréquences à base de spectroscopie optique atomique. L’idée sous-jacente de ce développement repose sur le fait que ces systèmes offrent des performances de détection exceptionnelles. Avec notamment, une sensibilité´ élevée (~nV.cm-1.Hz-0.5), des bandes passantes très larges (MHz- THz), une taille indépendante de la longueur d'onde (~cm) et une absence de couplage avec l'environnement. Ces avantages surpassent les capacités des récepteurs conventionnels a` base d'antennes pour la détection des signaux RF.
L'objectif de cette thèse est d'investiguer une approche hybride pour la réception de signaux radiofréquences, en combinant une mesure de spectroscopie atomique basée sur des atomes de Rydberg avec la conception d'un environnement proche à base de métal et/ou de matériau chargé pour la mise en forme et l'amplification locale du champ, que ce soit par l'utilisation de structures résonantes ou non, ou de structures focalisantes.
Dans le cadre de ces travaux, la question scientifique principale consiste à déterminer les opportunités et limites de ce type d’approche en formulant analytiquement les limites de champs imposables aux atomes de Rydberg, que ce soit en valeur absolue, en fréquence ou dans l’espace, et cela pour une structure donnée. L’approche analytique sera agrémentée de simulations EM pour la conception et la modélisation de la structure associée au banc de spectroscopie optique atomique. La caractérisation finale se fera par mesure dans un environnement électromagnétique contrôlé (chambre anéchoïque).
Les résultats obtenus permettront d'effectuer une comparaison modèle-mesures. Les modélisations analytiques ainsi que les limites théoriques qui en découlent donneront lieu à des publications sur des sujets qui n’ont pas encore fait l'objet d'investigations dans l’état de l’art. Les structures développées dans le cadre de ces travaux de thèse pourront faire l'objet de brevets directement valorisables par le CEA.
Nouvelle génération de substrats organiques pour la conversion d'énergie électrique
Les récentes avancées dans les moteurs électriques et l'électronique de puissance associée engendrent une hausse significative des besoins en densité de puissance. Cette augmentation de la densité de puissance implique ainsi des surfaces d'échange thermique réduites, ce qui amplifie les défis liés à l'évacuation de la chaleur due aux pertes produites par les composants d’électronique de puissance lors de leur fonctionnement. En effet, l'absence d'une dissipation adéquate entraîne une surchauffe des composants électroniques, impactant leurs performances, durabilité et fiabilité. D’autres problématiques liées au coût, à la réparabilité et aux contraintes thermomécaniques remettent en question les interfaces thermiques isolantes traditionnelles réalisées à base de céramique. Ainsi, il est impératif de développer une nouvelle génération de matériaux dissipateurs thermiques prenant en considération l’environnement du système.
L’objectif de cette thèse est de substituer dans les systèmes de modules de puissance le substrat céramique, qui a pour rôle principal d’être la couche diélectrique du système, par un composite à matrice organique thermo-conducteur. Le substrat actuel présente des limitations bien connues (fragilité, mauvaise interface, limite de cyclage, coût). Le substrat organique devra avoir une conductivité thermique la plus élevée possible (>3 W/m.k) afin de dissiper convenablement la chaleur émise tout en étant isolant électrique avec une tension de claquage d’environ 3kV/mm. Il devra également avoir un coefficient d’expansion thermique (CTE) compatible avec celui du cuivre afin de supprimer les phénomènes de délamination lors des cyclages subis par le dispositif pendant son temps de vie. L’innovation des travaux du doctorant résidera dans l’utilisation de (nano)charges très conductrices thermiquement qui seront isolées électriquement (revêtement isolant) et pourront être orientées dans une résine polymère sous stimulus externe. Le développement du revêtement isolant électrique sur le cœur thermo-conducteur se fera par voie sol-gel. La synthèse sera contrôlée et optimisée en vue de corréler l’homogénéité et l’épaisseur du revêtement aux performances diélectriques et thermique du (nano)composite. L’interface charge/matrice (source potentielle de diffraction des phonons) sera également étudiée. Un second volet portera sur le greffage de nanoparticules magnétiques (NPM) sur les (nano)charges thermo-conductrices. Des NPM commerciales seront évaluées (selon les besoins des nuances synthétisées en laboratoire pourront être également évaluées). Les (nano)composites devront posséder une rhéologie compatible avec les procédés de pressage et/ou d’injection.
Architecture innovante et traitement du signal pour des télécommunications optiques mobiles
Les communications optiques en espace libre reposent sur la transmission de données par la lumière entre deux points distants, sans recourir à des fibres ou à des câbles. Cette approche s’avère particulièrement intéressante lorsque les connexions filaires sont difficiles à déployer ou trop coûteuses.
Cependant, ces liaisons sont fortement affectées par les conditions atmosphériques : brouillard, pluie, poussières et turbulences thermiques atténuent ou déforment le faisceau lumineux, entraînant une dégradation notable de la qualité de la communication. Les solutions existantes restent coûteuses et limitées, tant du point de vue des dispositifs optiques de compensation que des algorithmes de traitement du signal.
Dans ce cadre, la thèse vise à concevoir des liaisons optiques mobiles performantes et robustes, capables de s’adapter à des environnements dynamiques et perturbés. L’étude portera notamment sur l’exploitation de dispositifs de type Optical Phased Array (OPA) sur Silicium — une technologie issue des systèmes LiDAR « low cost » — offrant une voie prometteuse vers des architectures compactes, intégrées et à faible coût.
L’orientation principale des travaux concernera le développement d’approches algorithmiques avancées pour le traitement et la compensation du signal. Le ou la doctorant·e sera amené·e à concevoir un environnement de simulation dédié, permettant d’évaluer et de valider les choix architecturaux et les stratégies algorithmiques avant toute expérimentation pratique.
L’objectif global est de proposer une architecture intégrée, flexible et fiable, garantissant la continuité des communications optiques en mouvement, avec des applications potentielles dans les domaines aérien, spatial et terrestre.
Localisation et Cartographie Coopératives via des Méthodes d’Apprentissage Exploitant les Multi-trajets Radio
Dans le cadre de cette thèse, on se propose d'explorer le potentiel des méthodes d'apprentissage machine (ML) pour assurer des fonctions simultanées de localisation et de cartographie (SLAM), en s’appuyant sur des signaux multi-trajets transmis entre plusieurs dispositifs radio coopératifs.
L'idée consiste à identifier certaines caractéristiques des canaux de propagation observés conjointement sur plusieurs liens radio, afin de déterminer les positions relatives des dispositifs radio mobiles, ainsi que celles d’objets passifs présents dans leur voisinage. Ces caractéristiques radio reposent typiquement sur les temps d'arrivée d‘échos multiples des signaux transmis. L'approche envisagée doit alors bénéficier de la corrélation de ces trajets multiples au gré du déplacement des dispositifs radio, ainsi que de la diversité spatiale et de la redondance d’information autorisées par la coopération entre ces mêmes dispositifs. Les solutions développées seront évaluées sur la base de mesures indoor collectées à partir des dispositifs ultra large bande intégrés, ainsi que de données synthétiques générées à l'aide d'un simulateur de type « tracer de rayons ».
Les applications possibles concernent la navigation de groupe au sein d’environnements complexes et/ou inconnus (ex. flottes de drones ou de robots, pompiers...).
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).
PCB instrumenté pour la maintenance prédictive
La fabrication des équipements électroniques et plus particulièrement celui des PCB (Printed Circuit Board) occupent une part importante de l’impact environnemental du numérique qui doit être minimisé. Dans une logique d’économie circulaire, le développement d’outils de suivi et de diagnostic de l’état de santé de ces cartes pourrait alimenter le passeport numérique du produit et faciliter leur réutilisation dans une seconde vie et. Dans une logique de maintenance préventive et prescriptive, ces outils pourraient augmenter leur durée de vie en évitant un remplacement périodique inutile dans les applications pour lesquelles la fiabilité est une priorité ainsi que d’adapter leur usage dans le but d’éviter leur détérioration prématurée.
Cette thèse propose d’explorer l’instrumentation innovante de PCB à l’aide de capteurs ‘virtuels’, estimateurs avancés alimentés par des modalités de mesure (de type piézoélectriques, ultrasonores, etc.) qui pourraient être intégrées au sein même des PCB. L’objectif est de développer des méthodes de suivi de l’état de santé des cartes, tant sur le plan mécanique (fatigue, contraintes, déformations) qu’électronique.
Une première étape consistera à réaliser un état de l’art et des simulations pour sélectionner les capteurs pertinents, définir les grandeurs à mesurer et optimiser leur implantation. La modélisation multi-physique et la réduction de modèles permettront ensuite de relier les données à des indicateurs d’intégrité du PCB caractérisant son état de santé. La démarche combinera modélisations numériques, validations expérimentales et méthodes d’optimisation multiparamétriques.