Détection frugale non supervisée d'anomalies de signal
Notre laboratoire, situé à Digiteo au CEA Saclay, recherche un candidat postdoc pour travailler sur la détection d'anomalies dans les processus de manufacturing, pour une durée de 18 mois à partir de février 2022. Ce travail s'inscrit dans le projet HIASCI (Hybridation des IA et de la Simulation pour le Contrôle Industriel), un projet CEA LIST sous forme de collaboration interne qui vise à développer une plateforme de méthodes et outils d'IA pour les applications en manufacturing, du contrôle qualité au monitoring de procédé. La contribution de notre laboratoire dans HIASCI consiste à développer des méthodes efficaces pour la détection d'anomalies dans des signaux acoustiques ou vibratoires, opérant sur peu de données d'apprentissage. Dans ce contexte, la détection des anomalies du signal revient à extraire des données les informations relatives au processus physique de manufacturing, qui est en général trop complexe pour pouvoir être parfaitement compris. En outre, les données réelles d'état anormaux sont relativement rares et souvent coûteuses à collecter. Pour ces raisons, nous privilégions une approche fondée sur les données, dans le cadre d'un apprentissage frugal (few-shot learning).
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.
Automatisation du pilotage d’un noyau de calcul éléments finis basé sur une stratégie de décomposition de domaine. Application au contrôle non-destructif par ultrasons.
Un des axes majeurs d’activité du Département Imagerie et Simulation pour le Contrôle (DISC) du CEA LIST est de proposer un ensemble d’outils de simulation et de modélisation pour le contrôle non-destructif (CND) mis à disposition dans la plateforme de calcul CIVA. La majeure partie des outils de modélisation pour le contrôle par ultrasons, proposés par le Laboratoire de Simulation et Modélisation en Acoustique (LSMA), sont basés sur des méthodes dites semi-analytiques. Bien que très efficaces, la précision de ces méthodes est mise à défaut lorsque certains phénomènes critiques (ondes de tête, caustiques) ou des spécificités du matériau (défaut ou hétérogénéités) apparaissant lors du contrôle. Afin de palier à ces limites de validité, une des activités du LSMA est de proposer un couplage entre les méthodes semi-analytiques et des méthodes numériques. Suivant cette stratégie, un logiciel basé sur des éléments finis d’ordre élevé combinés avec une stratégie de décomposition de domaine est développé au sein du laboratoire pour des configurations 3D. L’objectif principal du travail proposé est d’augmenter la complexité des configurations accessibles à cette stratégie au sein de la plateforme CIVA , par exemple la prise en compte de conditions de couplage fluide-structure notamment pour des défauts débouchants en fond de pièce.
Simulation de cellules solaires silicium à partir de matériau de type n : modélisation et optimisation de l’architecture.
Des technologies de fabrication de cellules à base de silicium de type n sont en cours de développement à l’INES. Le travail de simulation des cellules photovoltaïques permet d’accélérer le développement de nouvelles filières à plusieurs niveaux : interprétation physique des résultats de caractérisation, aide à la conception des dispositifs, optimisation des procédés et exploration de concepts originaux. Le sujet du post-doc est centré sur l’étude des modèles semi-empiriques pour les matériaux et les procédés utilisés pour les cellules de type n. Ces briques élémentaires seront mises en oeuvre dans un modèle complet résultant de leur assemblage de type circuit avec un outil de simulation muulti-échelle. Au final, un tel outil permettra d’optimiser la structure géométrique de l’émetteur de type p, de l’efficacité de collecte des porteurs de la face arrière et de la géométrie des contacts électriques métalliques.
Modélisation Multi-échelle des mécanismes de dégradation des polymères électrolytes dans le Piles à Combustible
Dans le cadre des études sur les phénomènes physico-chimiques intervenants dans les Piles à Combustibles, le groupe de modélisation du CEA Grenoble/LCPEM a développé un nouveau modèle multi-échelle, MEMEphys, qui décrit les phénomènes d’électrocatalyse dans les PEFC.
L’activité post-doctorale que nous proposons consistera au développement du modèle, avec la prise en compte d’une description des phénomènes de transport d’eau et de condensation. Une attention particulière sera portée aux hétérogénéités électrochimiques et aux processus de vieillissements induits par l’eau. Afin d’établir une relation entre les performances et structure et d’élucider les phénomènes de dégradation dans le MEA, le candidat devrait combiner des données expérimentales et théoriques obtenues dans nos laboratoires. D’un point de vue fondamental, ce travail nous amènera une compréhension plus profonde des mécanismes électrochimiques qui sont responsables du vieillissement des couches actives dans les Piles à Combustible à différentes échelles temporelles.
Monitoring global pour éoliennes offshore par méthodes de mesure bas coût et à déploiement simplifié
Ce projet fait suite à des travaux antérieurs focalisés sur l’instrumentation d’une éolienne on-shore avec un réseau de capteurs inertiel dont les réponses permettent la détection de modes de vibration propres à l’éolienne, en particulier du mat ainsi que le suivi en temps réel de ces réponses.
Les objectifs de ce projet sont multiples : porter ces travaux sur des éoliennes offshore; rechercher les signatures dans des bandes de fréquences plus larges; étudier la réponse des bases offshore et de leurs ancrages.
L’un des enjeux est notamment de parvenir à retrouver les signatures des éléments tournants (pales) sans instrumentation directe. Instrumenter ces éléments est en effet plus coûteux et plus impactant sur la structure.
En outre la technologie de capteurs sera adaptée au suivi du cycle de vie en fatigue des structures filaires en mouvement (câble de raccordement électrique dynamique et ancrage) dans le cas d’une éolienne off-shore. L’objectif final vise à proposer une méthode globale de suivi de la santé d’une éolienne off-shore.
Dimensionnement et optimisation du pilotage d’une chaine de production hydrogène couplée à un parc éolien offshore
Le couplage entre les filières EMR (Energies Marines Renouvelables) et hydrogène fait apparaître des atouts potentiels importants à long terme. Le projet MHyWind propose d’évaluer le potentiel énergétique et économique d’une chaine de production hydrogène intégrée à une sous-station d’un parc éolien offshore. L’hydrogène produit et stocké localement sera distribué par bateau pour des usages portuaires, en remplacement d’énergies fossiles. Pour cela, il sera mise en place une simulation qui intègrera toute la chaine énergétique du parc éolien vers les usages portuaires de l’hydrogène. Elle permettra d’évaluer différentes configurations et dimensionnements en fonction des usages locaux, leviers de valorisation, et modes de pilotage et fonctionnement du système. Les critères seront le productible (kg d’H2 produits / consommés) et les coûts de la chaine complète (CAPEX et OPEX). Dans le cadre du post_doctorat, l’objectif sera la mise en place de l’outil sur ce cadre applicatif pleinement intégré au projet en partenariat avec les équipes des laboratoires concernés.
Etude numérique basée sur la meta-modélisation de la propagation d’ondes ultrasonores dans des tuyauteries comportant des zones de corrosion
Le projet ANR PYRAMID (http://www.agence-nationale-recherche.fr/Projet-ANR-17-CE08-0046), a pour objectif de développer des techniques permettant de détecter et quantifier l’amincissement de paroi dû à la corrosion induite par un flux chargé en débris dans les systèmes de tuyauterie. Dans le cadre de ce projet qui implique des équipes Françaises et Japonaises, le CEA LIST développe des outils de simulation basés sur une approche éléments finis et dédiés à la modélisation de la diffraction d’ondes guidées ultrasonores par une zone de corrosion dans une canalisation coudée. Mises à disposition des partenaires, ces solutions supporteront la conception d’un procédé d’inspection par Transduction ElectroMagnétique-Acoustique (EMAT) au laboratoire vibrations-acoustique (LVA) de l’INSA Lyon. Pour cela, un atout différentiant reposera sur la capacité du CEA LIST à adapter des outils de méta-modélisation a ses modèles physiques pour autoriser une exploitation intensive de la simulation.
Post-doc : réseau de neurones CNN - gestion des incertitudes dans la base de données d'apprentissage
L'objectif de ce postdoc est de développer un algorithme pour prendre en compte les incertitudes des données de la base d'apprentissage d'un réseau de neurones. Ce travail s'inscrit dans le contexte d'un projet d'estimation dynamique de l'état d'un procédé d'extraction liquide-liquide. En utilisant un simulateur qualifié du procédé et des mesures de suivi lors de son exploitation, il est possible d'estimer les paramètres opératoires et connaitre ainsi l'état du procédé. Cependant ces mesures sont entachées d'incertitudes et il est nécessaire de réconcilier les données pour obtenir le meilleur jeu de données à fournir au simulateur. Un réseau de neurone convolutifs (CNN) permettant d'inverser le simulateur est en développement (à partir des sorties mesurées, on peut être capable d'estimer les entrées à fournir au simulateur). L'objectif est d'évaluer l'impact des incertitudes de mesure sur la construction de ce réseau de neurones. La première étape sera de propager les incertitudes des mesures d'entrée à travers le simulateur à l'aide de la plateforme Uranie, développée par le CEA ISAS. Cette connaissance sera alors intégrée dans la boucle d'apprentissage du réseau de neurones. L'impact de ces incertitudes sur les résultats du réseau de neurones doit être évalué pour fiabiliser l'estimation de l'état du procédé par le réseau de neurones. A travers ce projet, nous sommes au cœur de la thématique du contrôle de procédés complexes par la simulation.
Déploiement de protocoles de consensus distribué sur des blockchains de type Smart Contract
L’objectif est de mettre en œuvre divers protocoles de consensus distribué sur des plateformes blockchain de type Smart Contracts aussi bien publiques que privées. Les techniques à la base des preuves d’enjeu et de la gestion de token seront analysées et leur niveau de sécurité sera évalué au regard de la consommation énergétique et de la qualité de la distribution de la confiance dans le système. Les techniques de vérification des transactions de la blockchain Ethereum seront mise en œuvre, ainsi que d’autres algorithmes, plus légers et moins consommateurs d’énergie, dédiés à des blockchains "privées" où les utilisateurs sont authentifiés. La plateforme Hyperledger sera utilisée pour tester les différents protocoles de consensus distribués. De nouveaux algorithmes seront proposés et les solutions retenues seront déployées pour des applications du domaine de l’internet des objets.