Traitement de signaux de détecteurs gamma ultra-rapides par Machine Learning
Au sein du projet ANR AAIMME dédié à l'imagerie médicale par Tomographie à Émission de Positrons (TEP), nous proposons un post-doctorat de 24 mois qui s’intéressera principalement au traitement des signaux du détecteur ClearMind conçu au CEA-IRFU. Les développements du détecteur ont été effectués dans l’objectif d’obtenir une datation précise des interactions ayant lieu dans la zone sensible. Ils consistent en des détecteurs scintillateurs PbWO4 couplés à un photomulitplicateur dans une galette à microcanaux, dont les signaux sont numérisés par des modules d’acquisition rapide SAMPIC. L’intérêt principal de cette conception réside en l’exploitation des photons rapides Cherenkov et des photons de scintillation pour reconstruire le plus précisément possible les interactions dans le cristal.
Une des principales difficultés réside dans l’analyse des signaux produits par le détecteur : la complexité et l’intrication des signaux nécessitent un traitement dédié.
L’objectif de ce post-doctorat est donc d’élaborer des algorithmes de Machine Leaning de confiance afin de reconstruire les paramètres de l’interaction gamma dans le détecteur avec la plus grande précision possible à partir des signaux détecteurs.
Optimisation topologique multi-objectifs en mécanique non-linéaire
Le CEA-Cesta a pour objectif de développer des outils d'optimisation topologique avec des performances qui ne sont pas atteignables par des logiciels commerciaux. Dans le cadre de ce post-doc, il s'agira de mettre à profit une collaboration engagée dans le LRC Cosims (I2M-Arts et métiers Bordeaux) pour progresser sur le sujet, mettre au point des méthodes innovantes d'optimisation dans le domaine de la mécanique non-linéaire. Deux cas d'application sont envisagés :
- Optimisation topologique de deux structures géométriques de forme très différentes ;
- Optimisation d'un ressort de structuration.
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.
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.
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.
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.
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.
Conception et validation de schémas de calcul neutroniques innovants pour les coeurs de réacteurs nucléaires sans bore soluble
Dans le cadre du projet NUWARD™, le CEA est en charge du développement et de la validation des schémas de calcul neutroniques de référence en appui à la conception du réacteur.
Au sein du SERMA/LPEC, le candidat participera aux développements de schémas de calcul innovants dédiés au coeur du réacteur NUWARD™ mettant en œuvre des modélisations avancées du code déterministe de nouvelle génération APOLLO3®, ainsi qu'à la réalisation des études pour la vérification et la validation des schémas développés.
Développement d'algorithmes d'intelligence artificielle pour la localisation bande étroite
Les signaux bande étroite sont largement utilisés dans le contexte des réseaux de télécommunication faible consommation, qui sont l’un des composants clé de l’internet des objets (IoT). Cependant, ces signaux ne disposant que d’une bande de fréquence limitée, ils sont peu adaptés à de la localisation de précision, en particulier dans des environnements complexes tels que centre-ville ou des canyons urbains qui perturbent fortement le trajet de l’onde. Une approche permettant de surmonter ces difficultés consiste à s’appuyer sur un modèle 3D de la ville et de ses bâtiments afin d’améliorer la modélisation de la propagation cependant les algorithmes classiques (lancés de rayons par ex.) ont montré leurs limites pour répondre à un problème aussi complexe. Afin de dépasser les limitations actuelles, le laboratoire LCOI souhaite explorer les approches à base d’intelligence artificielle (IA) qui semblent très pertinentes pour ce type de problèmes. Le laboratoire LCOI a déployé un réseau bande étroite dans la ville de Grenoble et démarré une large collecte de mesure afin de supporter ces études.
En s’appuyant sur l’analyse de la littérature existante ainsi que sur les connaissances acquises au sein du laboratoire, le candidat devra
- Superviser et contribuer à la campagne de mesures
- Exploiter les données collectées afin de mieux comprendre les caractéristiques de propagation des signaux bande étroite dans différents environnements
- Développer une chaine de simulation de la propagation des signaux
- Affiner les calculs de borne de performance d’une localisation bande étroite
- Développer des algorithmes de localisation utilisant l’intelligence artificielle ainsi que la topologie 3D, et les comparer à ceux de l’état de l’art
- Contribuer des projets au travers de son travail de recherche
- Publier son travail dans des conférences et des journaux de qualité