détection d’événements répétitifs et application à la crise sismique turque de février 2023
La technique de corrélation, ou template matching, appliquée à la détection et l’analyse des événements sismiques a démontré sa performance et son utilité dans la chaîne de traitements du Centre National de Données du CEA/DAM. Malheureusement, cette méthode souffre en contrepartie de limitations qui bride son efficacité et son utilisation dans l’environnement opérationnel, liées d’une part au coût calcul d’un traitement massif des données, et d’autre part au taux de fausses détections que pourrait engendrer un traitement bas niveau. L’utilisation de méthodes de dé-bruitage en amont du traitement (exemple : deepDenoiser, par Zhu et al., 2020), pourrait de surcroît accroître le nombre de détections erronées. La première partie du projet de recherche consiste à fournir une méthodologie visant à améliorer les performances en temps de traitement du détecteur de multiplets, en faisant notamment appel aux techniques d’indexation de l’information élaborées en collaboration avec le LIPADE (méthode L-MESSI, Botao Peng, Panagiota Fatourou, Themis Palpanas. Fast Data Series Indexing for In-Memory Data. International Journal on Very Large Data Bases (VLDBJ) 2021). La seconde partie du projet porte sur le développement d’un outil de « filtrage » des fausses détections de type auto-encodeur construit par apprentissage statistique. La crise sismique Syrie-Turquie de février 2023, dominée par deux séismes de magnitude supérieure à 7,0, servira de base de données d’apprentissage pour cette étude.
Modélisation du bruit de charge dans les qubits de spin
Grace à de forts partenariats entre plusieurs instituts de recherche, Grenoble est pionnière dans le développement de futurs technologies à base de qubits de spin utilisant des procédés de fabrication identiques à ceux utilisés dans l’industrie de la microélectronique silicium. Le spin d’un qubit est souvent manipulé avec des signaux électriques alternatifs (AC) grâce à divers mécanismes de couplage spin-orbite (SOC) qui le couplent à des champs électriques. Cela le rend également sensible aux fluctuations de l'environnement électrique du qubit, ce qui peut entraîner une grande variabilité de qubit à qubit et du bruit de charge. Le bruit de charge dans les dispositifs à qubits de spin provient potentiellement d'événements de chargement/déchargement au sein des matériaux amorphes et défectueux (SiO2, Si3N4…) et des interfaces des dispositifs. L'objectif de ce postdoc est d'améliorer la compréhension du bruit de charge dans les dispositifs à qubits de spin grâce à des simulations à différentes échelles. Ce travail de recherche se fera à l’aide de méthode de type ab initio et également grâce à l’utilisation du code TB_Sim, développé au sein de l’institut CEA-IRIG. Ce dernier est capable de décrire des structures de qubits très réalistes en utilisant des modèles de liaison forte atomique et multi-bandes k.p.
Modélisation des qubits de spin à base de SiGe
Le CEA développe une plateforme originale de qubits de spin basée sur la technologie "silicon-on-insulator" (SOI) et se tourne désormais vers de nouvelles voies en Si/SiGe (électrons) et Ge/SiGe (trous). Cette activité est menée par un consortium regroupant trois des principaux laboratoires de Grenoble : le CEA-IRIG, le CEA-LETI et le CNRS-Néel. Sur cette plateforme SOI, Grenoble a, par exemple, démontré la manipulation électrique d'un spin unique d'électron, ainsi que le premier qubit de spin de trou, et a récemment obtenu des durées de vie et un couplage spin-photon record pour des spins de trou. Dans ce contexte, il est essentiel de soutenir le développement de ces technologies quantiques avancées avec une théorie et une modélisation de pointe. Le CEA-IRIG développe activement le code TB_Sim. TB_Sim est capable de décrire des structures de qubits très réalistes jusqu'à l'échelle atomique si nécessaire, en utilisant des modèles de liaisons fortes atomistiques et des modèles k.p multi-bandes pour la structure électronique des matériaux. En utilisant TB_Sim, le CEA a récemment examiné divers aspects de la physique des qubits de spin, en étroite collaboration avec les groupes expérimentaux de Grenoble et avec les partenaires du CEA en Europe. Le premier objectif de ce travail de recherche est de renforcer notre compréhension des qubits de spin d'électron basés sur les hétérostructures Si/SiGe grâce à la modélisation analytique ainsi qu'à la simulation numérique avancée avec TB_Sim. Le second objectif est de comparer les performances de la plateforme Si/SiGe aux autres plateformes Ge/SiGe et Si MOS pour identifier ses points forts et ses faiblesses.
Conception d'une chaîne de radiographie par contraste de phase à haute énergie
Dans le cadre d’expériences d’hydrodynamique réalisées au CEA-DAM, le laboratoire cherche à radiographier en imagerie X impulsionnelle des objets épais (plusieurs dizaines de mm), constitués de matériaux peu denses (de l'ordre de 1 g/cm3), à l'intérieur desquels se propagent des ondes de choc à des vitesses très élevées (plusieurs milliers de m/s). Pour ce type d'application, il est nécessaire d'utiliser des sources de rayons X énergétiques (au-delà de 100 keV). L’imagerie par rayons X conventionnelle, qui fournit un contraste lié à des variations de sections efficaces d’absorption, s’avère insuffisante pour capter les faibles variations de densité attendues lors du passage de l'onde de choc. Une étude théorique menée récemment au laboratoire a montré que l'exploitation complémentaire de l’information contenue dans la phase du rayonnement X devrait permettre une meilleure détectabilité. L'objectif du post-doctorat est d'apporter une preuve de concept expérimentale à cette étude théorique. Pour une plus grande facilité de mise en œuvre, le travail portera principalement sur le dimensionnement d'une chaîne de radiographie statique, où la cible est immobile et la source émet un rayonnement X continu.
Dans un premier temps, le(a) candidat(e) devra caractériser finement le spectre de la source de rayons X retenue ainsi que la réponse du détecteur associé. Dans un second temps, il (elle) s'attachera à concevoir et faire fabriquer les réseaux d'interférences adaptés à la mesure de phase haute énergie, ainsi qu’une maquette représentative des futurs objets en mouvement à caractériser. Enfin, l'étudiant(e) réalisera des mesures radiographiques qu'il (elle) comparera aux simulations prévisionnelles. Il est souhaitable que l'étudiant(e) ait de bonnes connaissances dans le domaine de l’interaction rayonnement matière et/ou en optique physique et géométrique. La maîtrise de la programmation orientée objet et/ou des langages Python et C++ serait un plus.
Optimisation d’une approche métrologique pour l’identification de radionucléides basée sur le démélange spectral
Le Laboratoire national Henri Becquerel (LNE-LNHB) situé au CEA/Saclay est le laboratoire responsable des références françaises dans le domaine des rayonnements ionisants. Depuis quelques années, il est impliqué dans le développement d’un outil d’analyse automatique des spectres gamma à faible statistique fondé sur la technique du démélange spectral. Cette approche permet notamment de répondre aux contraintes métrologiques telles que la robustesse de la prise de décision et l’estimation non biaisée des comptages associés aux radionucléides identifiés. Pour étendre cette technique à la mesure de terrain et en particulier à la déformation des spectres due aux interactions dans l’environnement d’une source radioactive, un modèle hybride de démélange spectral combinant des méthodes d’apprentissages statistique et automatique est en cours de développement. Cette solution mathématique a pour but l’implémentation d’une estimation conjointe des spectres mesurés et des comptages associés aux radionucléides identifiés. L’étape suivante sera la quantification des incertitudes des grandeurs estimées à partir du modèle hybride. L’objectif est également d’investiguer la technique du démélange spectral dans le cas de la détection des neutrons avec un détecteur NaIL. Le futur candidat contribuera à ces différentes études dans le cadre d’une collaboration avec le Laboratoire d’ingénierie logicielle pour les applications scientifiques (CEA/DRF).
Développement d'Algorithmes pour la Détection et la Quantification de Biomarqueurs à partir de Voltammogrammes
L'objectif du post-doctorat est de développer une solution algorithmique et logicielle performante permettant la détection et la quantification des biomarqueurs d'intérêt à partir de voltammogrammes. Ces voltammogrammes sont des signaux unidimensionnels issus de capteurs électrochimiques innovants. L'étude sera réalisée en étroite collaboration avec un autre laboratoire du CEA-LIST, le LIST/DIN/SIMRI/LCIM, qui proposera des capteurs électrochimiques dédiés et novateurs, ainsi qu'avec la start-up USENSE, qui développe un dispositif médical permettant la mesure de plusieurs biomarqueurs dans l'urine.
Fusion de modèles 3D issus d’imagerie optique et radar
L’imagerie satellitaire et aérienne permet de reconstruire des modèles 3D de la surface terrestre. Pour cela, l’imagerie optique exploite la photogrammétrie à partir d’acquisitions stéréoscopiques, tandis que l’imagerie radar utilise la technique d’interférométrie. Ces deux techniques sont complémentaires. L’imagerie radar permet d’avoir une reconstruction détaillée d’objets métalliques fins tels que des pylônes. L’imagerie optique est généralement plus robuste mais la reconstruction nécessite des contraintes de régularisation qui impliquent le lissage de tels éléments. Un des objectifs du post-doctorat est de détecter de tels objets.
Il s’agira d’exploiter la complémentarité des nuages de points 3D issus de l’imagerie optique satellitaire et radar satellitaire et aéroportée afin d’obtenir un produit 3D incorporant à la fois des éléments détectables principalement par imagerie radar et une reconstruction 3D issue de l’imagerie optique.
Le post-doctorat commencera par une phase bibliographique sur les techniques de restitution 3D par imagerie optique et radar et sur celles de fusion de nuages de points. Différentes chaînes de restitution 3D par imagerie optique et radar seront utilisées sur des données satellitaires et aéroportées. Un algorithme de recalage précis des nuages de points devra être développé ainsi qu’une méthode de fusion de ces nuages, qui permettra de détecter les points reconstruits par imagerie radar uniquement. Pour cette étape, des techniques de Deep Learning sont envisageables. Les résultats obtenus seront comparés à des données 3D très haute résolution issues de campagnes Lidar afin de quantifier les performances de l’algorithme proposé.
Ce post-doctorat se fera dans le cadre d’une collaboration entre le CEA-DAM et le département DEMR de l’Onera, au sein de laboratoires spécialisés en traitement d’images satellitaires et radar.
Simulation numérique de l'impression 3D de composants bi-métalliques
Ce Post-Doc sera réalisé dans le cadre du projet Européen MADE3D. L'objectif est de construire un modèle numérique du procédé L-PBF bi-matériau, en considérant à la fois les aspects thermiques et mécaniques. Le logiciel ANSYS© sera utilisé pour ce travail. Les résultats numériques seront comparés à des résultats expérimentaux issus d'échantillons qui seront dimensionnés et fabriqués durant ce post-doc.
Effets des tremblements de terre sur les installations souterraines
Le Centre industriel de stockage géologique (Cigéo) est un projet de centre de stockage géologique profond de déchets radioactifs à construire en France. Ces déchets seront placés dans des colis scellés dans des tunnels conçus à 500 mètres de profondeur. Les scellements sont constitués d'un mélange de bentonite et de sable qui présente une forte capacité de gonflement et une faible perméabilité à l'eau. Dans le cadre de la démonstration de la sûreté à long terme du dépôt, il doit être démontré que les structures de scellement peuvent remplir leurs fonctions sous chargements sismiques pendant toute leur durée de vie. Afin de garantir ce futur dépôt de déchets nucléaires, le CEA et l'Andra collaborent pour travailler sur les potentiels défis scientifiques et techniques.
La réponse des scellements souterrains aux séismes est complexe en raison de l'évolution spatiale et temporelle des propriétés hydromécaniques des milieux environnants et de la structure elle-même. Une modélisation précise du comportement nécessite donc un code numérique multiphysique couplé pour modéliser efficacement les réponses sismiques de ces structures souterraines pendant leur durée de vie estimée à 100 000 ans.
La recherche proposera donc une évaluation des performances de la modélisation numérique séquentielle et parallèle par éléments finis pour l'analyse sismique des installations souterraines profondes. Ensuite, elle effectuera un échantillonnage de données synthétiques pour tenir compte des incertitudes liées aux matériaux et, sur la base des résultats obtenus lors de l'évaluation précédente, elle effectuera une analyse de sensibilité en utilisant une méthode FEM ou un processus de métamodélisation. Enfin, les résultats et les connaissances acquises dans le cadre de ce projet seront traités et interprétés afin de fournir des réponses aux besoins industriels.
Méthodes d'apprentissage profond avec quantification de l'incertitude pour l'émulation de simulateurs numériques coûteux
Dans le cadre de la propagation des incertitudes en simulation numérique, des modèles mathématiques de substitution, appelés métamodèles ou émulateurs, sont utilisés pour remplacer un modèle physico-numérique par un modèle statistique (ou d'apprentissage). Ce métamodèle est entraîné sur un ensemble de simulations disponibles et s'appuie le plus souvent sur des algorithmes d'apprentissage automatique (machine learning). Parmi les méthodes usuelles, la régression par processus gaussien (PG) a suscité un intérêt particulier car elle propose à la fois une prédiction et une incertitude sur le résultat, ce qui est très intéressant dans le contexte des études de sûreté ou des évaluations de risques. Cependant, ce métamodèle PG peut présenter certaines limites, notamment dans le cas de modèles très irréguliers. L'objectif du post-doctorat sera d'étudier l'applicabilité et le potentiel des approches d'apprentissage profond basées sur la théorie bayésienne pour repousser ces limites. Le travail sera axé sur les réseaux de neurones bayésiens et les PG profonds et consistera à étudier leur applicabilité sur des échantillons de taille moyenne, à évaluer leur avantage par rapport au simple PG et à évaluer la fiabilité de l'incertitude associée à leurs prédictions.