La carbonisation hydrothermale en tant que prétraitement des déchets avant leur conversion thermochimique par gazéification
La gazéification, transformation thermochimique généralement réalisée à environ 850°C, permet de produire un gaz utilisable en cogénération, ou pour la synthèse de produits chimiques ou de carburants. Des verrous subsistent essentiellement pour la gazéification de déchets d'origine biogénique ou fossile : alimentation irrégulière dans le réacteur due à une hétérogénéité en forme et composition ; formation de polluants inorganiques gazeux (HCl, KCl, NaCl, H2S) ou organiques (goudrons), qui gênent le procédé et/ou diminuent son efficacité, et doivent impérativement être nettoyés avant l’application finale.
L'objectif du post-doctorat sera de tester et d'optimiser une étape de prétraitement de la ressource par carbonisation hydrothermale (HTC). Cette transformation est réalisée à 180-250°C, dans un milieu humide et pressurisé (2-10 MPa). Le produit principal est un résidu solide carboné (hydrochar), valorisable par gazéification. L’HTC vise à limiter le relâchement de polluants organiques et inorganiques lors de la gazéification, et à homogénéiser et améliorer la forme physique de la ressource.
La démarche s’appuiera sur : des expérimentations en réacteurs batch sur des ressources et matériaux modèles préalablement sélectionnés, associées à une quantification et analyse des produits formés ; une analyse des résultats visant à élucider les liens entre la ressource et les propriétés de l’hydrochar en fonction des conditions opératoires ; une évaluation des rendements matière et énergie du procédé HTC-gazéification.
Machine learning et simulateur pour l'estimation d'état d'un processus dynamique
Le but est de décrire au mieux l’état réel d'un procédé d'extraction liquide-liquide sur la base des données enregistrées. Or, ces dernières sont, par nature, entachées d’incertitudes et sous l’influence de variables exogènes qui ne sont pas enregistrées ni intégrées dans le jumeau numérique. Il est donc nécessaire de travailler le recollement des données entre la réalité et le simulé par PAREX+, simulateur dédié à ce type de procédé. Le code PAREX+ sera utilisé pour constituer une base conséquente de simulations : à chaque essai de paramètres opératoires (pavage de l’espace) sera associée la réponse dynamique du système. Le réseau de neurones convolutionnel (CNN) cherchera à résoudre le problème inverse : apprendre sur l’ensemble des réponses dynamiques les jeux de paramètres opérationnels possibles. Un enrichissement progressif de la base de données sera effectué dans les zones où le CNN ne sera pas assez performant. Une fois calibré, le CNN sera confronté aux données réelles et modifié pour tenir compte des imperfections des données. La finalité du CNN est d’être capable de bien identifier les paramètres du procédé à chaque pas de temps à des fins de contrôle et de diagnostic en temps réel : la dynamique observée est-elle celle attendue ?
Développement des traitements par Intelligence Artificielle d’une station de mesure et prévision
Le Commissariat à l’Energie Atomique (CEA) lance un projet appelé « MultiMod'Air » consistant à développer en 2 ans un prototype de station de mesure et de prévision de la qualité de l'air dite « intelligente ».
Ce projet pluridisciplinaire implique une vingtaine d’ingénieurs et de chercheurs du CEA, spécialisés chacun dans un domaine particulier.
Le sujet proposé consiste à mettre au point différentes briques d’Intelligence artificielle (IA) en commençant par quelques étapes, maitrisées mais innovantes, de correction par Réseau de Neurones Artificiels (RNA) des mesures de qualité de l’air effectuées par des capteurs à bas coût, ainsi que des prévisions météorologiques au niveau de la station.
Le cœur du travail de recherche concernera la mise au point d’une prévision de la pollution au niveau de la station par apprentissage sur les évènements passés.
Le post-doc sera encadré par un météorologue et par un spécialiste en IA. Il sera assisté d’un ingénieur IA pour les traitements de données.
Co-optimisation Design et Technologie de mémoires magnétorésistives pour le calcul dans la mémoire
Le coût énergétique associé aux mouvements de données à travers la hiérarchie des mémoires est devenu un facteur limitant dans les systèmes de calcul modernes. Afin d'enrayer cette tendance, des architectures innovantes favorisant un traitement plus local et parallélisable de l'information stockée sont proposées; il s'agit de "calcul proche/dans la mémoire" (Near/In-Memory Computing). Des gains importants sont anticipés, s'agissant notamment de tâches complexes (ex: optimisation combinatoire, analyse de graphes, cryptographie) et basées sur le traitement de volumes importants de données (ex: analyse de flux vidéos, bio-informatique). De telles applications sont particulièrement exigeantes en termes d'endurance, de rapidité et de densité. Les mémoires SRAM, satisfaisant les deux premiers critères, commencent à souffrir de leur surface et de leur consommation de puissance statique. Il convient donc d'évaluer des alternatives technologiques plus denses et non-volatiles, parmi lesquelles les mémoires magnétorésistives (MRAM) se distinguent en termes de compromis rapidité/endurance.
L'objectif principal sera d'estimer les améliorations permises par la MRAM en termes de compromis puissance/performance/aire (PPA), relativement aux solutions existantes à base de SRAM et pour des nœuds technologiques avancés. Une méthodologie d'analyse et de comparaison devra donc être établie pour diverses variantes MRAM, un modèle compact de l'élément mémoire permettant d'optimiser les cellules unitaires. Sur la base de ces travaux, des démonstrateurs fonctionnels IMC seront élaborés afin de quantifier l'apport de cette technologie sur un véhicule de test intégré.
Optimisation combinatoire des matériaux de base dans le cadre du design de nouveaux matériaux
Le design de nouveaux matériaux est un domaine qui connait un intérêt croissant, notamment avec l’apparition des procédés de fabrication additive, de dépôt de couches minces, etc. Afin de créer de nouveaux matériaux dans le but de cibler des propriétés intéressantes pour un domaine d’application, il est souvent nécessaire de mélanger plusieurs matières premières.
Une modélisation physico-chimique des réactions qui se produisent lors de ce mélange est souvent très difficile à obtenir, d’autant plus lorsque le nombre de matières premières augmente. Nous souhaitons nous affranchir autant que possible de cette modélisation. A partir de données expérimentales et de connaissances métiers, le but de ce projet est de créer une IA symbolique capable de chercher à tâtons quel est le mélange optimal pour atteindre une ou plusieurs propriétés données. L’idée est d’adapter des méthodes existantes de recherche opérationnelle, comme l’optimisation combinatoire, dans un contexte de connaissances imprécises.
Nous nous intéresserons à différents cas d’usage comme les batteries électriques, les solvants pour cellules photovoltaïques et les matériaux anti-corrosion.
Modélisation et évaluation de la e-raffinerie CO2 du futur
Dans le contexte de l'atteinte des objectifs de neutralité carbone en 2050, le CEA a porté une initiative de projet en 2021 qui consiste à évaluer la pertinence du couplage entre un système électronucléaire et un dispositif de capture directe du carbone atmosphérique au travers d’une valorisation de la chaleur fatale du système.
Intégré(e) dans une équipe d'une vingtaine d'experts (évaluation des systèmes énergétiques, ingénierie technico-économique, modélisation de systèmes énergétiques, optimisation, programmation informatique), le candidat participera à un projet de recherche concernant la modélisation et l’évaluation d’une raffinerie du CO2 dédiée à la production de Jet Fuel alimentée par un réacteur nucléaire et couplée avec un procédé de capture de CO2 atmosphérique.
Conception de Machines d'Ising basées sur des réseaux d'oscillateurs spintroniques couplés par circuits CMOS
Le nombre et la complexité des tâches de calculs nécessaires au développement de nos sociétés basées sur l’information et la communication sont de plus en plus importants et pose un problème prégnant en besoin énergétique. Il est ainsi indispensable de proposer de nouvelles architectures matérielles de calculateurs permettant d’améliorer drastiquement leur efficacité énergétique.
Le postdoc contribuera à la réalisation de Machines d’Ising qui sont des architectures de calcul innovantes, inspirées du monde vivant et de la physique et qui permettent de résoudre des problèmes complexes d’optimisation. Dans le cadre du projet ANR SpinIM, le postdoc contribuera à la démonstration d’une machine d’Ising basée sur le couplage électrique de nano-oscillateurs à transfert de spin (Spin Torque Nano Oscillators, STNO). En particulier il aura pour rôle de concevoir la puce CMOS réalisant le couplage paramétrable du réseau d’oscillateurs. Son rôle couvrira la modélisation Verilog A du STNO en se basant sur l’expérience de Spintec et la conception du circuit CMOS de couplage au niveau schématique et son implémentation physique (layout). Le post doc assurera la validation du circuit CMOS en laboratoire et participera à la validation fonctionnelle de la machine d’Ising sur des tâches de calcul d’optimisation. Le post doc se déroulera au sein du laboratoire LGECA qui acquis une expérience dans la co-conception spintronique-CMOS.
Accélérateurs photoniques : L'innovation au service des simulations quantiques
Les circuits photoniques, processeurs spécialisés à faible consommation d'énergie, apparaissent comme l'un des technologies plus prometteuses pour accélérer l'exécution d'algorithmes complexes dans les domaines de l'apprentissage automatique et du calcul scientifique tout en gardant une basse dissipation thermique.
Le succès de la simulation de systèmes quantiques et de la mise en œuvre d'algorithmes de simulation inspirés du quantique sur des unités photoniques laisse entrevoir le potentiel de ces accélérateurs pour faire progresser les capacités de calcul dans les domaines de la chimie computationnelle et la science de matériaux.
Le but de ce projet est d'intégrer les technologies photoniques aux réseaux neuronaux et tensoriels, en repoussant les limites des simulations quantiques et des dispositifs classiques. Cette orientation est prometteuse pour l'avenir de l'innovation algorithmique spécialisée et accélérée par le matériel.
La recherche sera axée sur l'adaptation des algorithmes aux dispositifs photoniques, l'optimisation de la consommation d'énergie et le développement de nouveaux algorithmes inspirés par les spécificités du matériel.
Optimisation des interfaces Li métal/électrolyte pour les nouvelles générations d’accumulateur tout solide
Le CEA Tech Nouvelle-Aquitaine, créé en 2013, a mis en place, depuis plus de deux ans, un nouveau laboratoire sur le développement de matériaux et sur le criblage haut débit pour accélérer la découverte de matériaux pour les nouvelles générations d’accumulateurs au Li. Pour cela, le CEA Tech Nouvelle-Aquitaine a acquis différents équipements de dépôt sous vide (par pulvérisation, évaporation et couche atomique) intégrés en boite à gants et différents outils de caractérisations automatisées (MEB-EDX, profilomètre, DRX, LIBS et microscope confocal à venir).
L’interface entre le Li métal et l’électrolyte constituent l’un des principaux challenges à surmonter pour les nouvelles générations d’accumulateurs tout solide. Les réactions de décompositions à l’interface associées à un processus de dépôt/retrait des ions Li inhomogènes conduisent à une fin de vie prématurée des cellules. L’une des voies explorées pour la stabiliser est d’utiliser une couche de protection qui doit présenter une multitude de propriétés physico-chimiques. Dans ce contexte, ce projet interne CEA a pour objectif de mettre en place une méthodologie de synthèse combinatoire associée à de la caractérisation « haut-débit » pour accélérer la découverte de nouvelles couches de protection à l’interface Li métal/électrolyte.
Nous recherchons un(e) excellent(e) candidat(e) qui sera en charge de mettre en place toute la méthodologie, de la synthèse jusqu’aux caractérisations physico-chimiques et électrochimiques des matériaux. Elle/il aura à sa disposition des nouvelles infrastructures à l’état de l’art et collaborera avec d’autres laboratoires du CEA localisés au LITEN (Grenoble)
Détection d’attaques dans l’infrastructure de contrôle distribué du réseau électrique
Afin de permettre l’émergence de réseaux d’énergie flexibles et résilients, il faut trouver des solutions aux défis auxquels ils font face. Dans le cadre de ce postdoc on s’intéresse en particulier à la numérisation et la protection des flux de données que cela entraînera, ainsi qu’aux problématiques de cybersécurité.
Dans le cadre du projet Tasting, et en collaboration avec RTE, l’opérateur français du réseau de transport de l’électricité, votre rôle sera de se pencher sur la protection des données de toutes les parties concernées. Le but est de vérifier des propriétés de sécurité sur les données dans des systèmes distribués, qui induisent un certain nombre d’incertitudes par construction.
Pour cela, vous élaborerez une méthodologie outillée pour la protection des données des acteurs du réseau électrique. L'approche sera basée sur les méthodes formelles de vérification à l'exécution appliquées à un système de contrôle distribué.
Cette offre de postdoc s'inscrit dans le cadre du projet TASTING qui vise à relever les principaux défis liés à la modernisation et à la sécurisation des systèmes électriques. Ce projet de 4 ans qui a commencé en 2023 adresse l’axe 3 de l'appel PEPR TASE "Solutions technologiques pour la numérisation des systèmes énergétiques intelligents", co-piloté par le CEA et le CNRS. Les défis scientifiques ciblés concernent l'infrastructure TIC, considérée comme un élément clé et un fournisseur de solutions pour les transformations profondes que nos infrastructures énergétiques subiront dans les décennies à venir.
Dans ce projet sont impliqués deux organismes nationaux de recherche, INRIA et le CEA au travers de son institut de recherche technologique de la direction de la recherche technologique CEA-List. Sont également impliqués 7 laboratoires académiques : le G2Elab, le GeePs, l’IRIT, le L2EP, le L2S et le SATIE, ainsi qu’un partenaire industriel, RTE, qui fournit différents use cases.