Intelligence Artificielle pour la Modélisation et l'Analyse Topographique des Puces Électroniques
L’inspection des surfaces de wafers est cruciale en microélectronique pour détecter les défauts affectant la qualité des puces. Les méthodes traditionnelles, basées sur des modèles physiques, sont limitées en précision et en temps de calcul. Cette thèse propose d’utiliser l’intelligence artificielle (IA) pour caractériser et modéliser la topographie des wafers, en exploitant des techniques d’interférométrie optique et des modèles avancés.
L’objectif est de développer des algorithmes d’IA capables de prédire les défauts topographiques (érosion, dishing) avec une haute précision, en s’appuyant sur des architectures comme les réseaux de neurones convolutifs (CNN), les modèles génératifs ou les approches hybrides. Les travaux incluront l’optimisation des modèles pour une inférence rapide et une généralisation robuste, tout en réduisant les coûts de fabrication.
Ce projet s’inscrit dans une démarche d’amélioration des procédés de microfabrication, avec des applications potentielles dans l’industrie des semi-conducteurs. Les résultats attendus contribueront à une meilleure compréhension des défauts de surface et à l’optimisation des processus de production.
Méthodes d’analyse innovantes des étapes critiques et des mécanismes limitants pour la formation des batteries
Le secteur de la fabrication des batteries en Europe connait aujourd'hui une forte expansion. La formation électrique, étape qui suit l'assemblage de la batterie jusqu'à sa livraison est peu étudiée dans les milieux universitaires alors qu’elle conditionne les performances des batteries (durée de vie, résistance interne, rebuts…). Pourtant c'est une étape essentielle du procédé qui est à la fois longue et couteuse (>30 % du coût de fabrication des cellules, 25 % du coût des équipements d'une Gigafactory) et qui gagnerait grandement à être optimisé.
Nous proposons d'étudier dans cette thèse la formation des batteries par des techniques complémentaires innovantes operando et non intrusives. L’objectif est d'identifier les mécanismes limitants de l’étape d’imprégnation des porosités des électrodes par l’électrolyte et de l’étape de 1ère charge de la batterie. Le candidat sera chargé de mettre en œuvre des méthodes expérimentales pour le suivi et l’étude de ces mécanismes. Il mettra en place une méthodologie et un protocole d’étude, combinant mesures électrochimiques et caractérisations physiques en fonctionnement et non intrusives. Il étudiera et optimisera le temps de formation et le contrôle qualité durant ses étapes.
Imagerie de contraste de phase différentiel à base de capteur d'image
La bioproduction de médicament est en plein essor et consiste à faire produire par des cellules les molécules d’intérêt. Pour cela, un suivit de la culture et de l’état des cellules est nécessaire. L’imagerie de phase quantitative par holographie est une méthode optique sans marquage qui a déjà démontré sa capacité à mesure la concentration et la viabilité des cellules cultivées. Toutefois l’implémentation de cette technique dans un bioréacteur se confronte à plusieurs difficultés liées à la forte concentration des cellules. Il est donc nécessaire de développer de nouvelles méthodes d’imagerie de phase quantitative comme l’imagerie par contraste de phase différentiel. L’objectif de la thèse est de développer cette technique avec l’utilisation d’un capteur d’image particulier dont un prototype a été réalisé au CEA-LETI. Le doctorant utilisera ce nouveau capteur et développera les algorithmes de reconstruction et de traitement d’images. Il identifiera également les points limitant du prototype actuel et définira les spécifications d’un second prototype qui sera réalisé au CEA-LETI. Enfin il se projettera dans la réalisation d’une sonde in-line, plongée dans le bioréacteur.
Développement d'un estimateur hybride CPU-GPU pour le transport neutronique : vers une simulation Monte Carlo plus efficace
Des jumeaux numériques intégrant des modèles de simulation Monte Carlo sont en développement pour la conception, l’exploitation et le démantèlement d’installations nucléaires. Ces jumeaux sont capables de prédire des grandeurs physiques telles que les flux de particules, les échauffements gamma/neutrons ou les débits d’équivalent de dose. Cependant, la méthode Monte Carlo présente un inconvénient majeur : un temps de calcul élevé pour obtenir une variance acceptable. Pour améliorer l’efficacité des simulations, l’estimateur eTLE a été développé et intégré au code Monte Carlo TRIPOLI-4®. Comparé à l’estimateur classique TLE (Track Length Estimator), l’eTLE offre une variance théorique plus faible, notamment dans les milieux fortement absorbants, en apportant des contributions au détecteur sans que la particule ne l’atteigne. Cependant, son coût computationnel reste encore élevé, surtout lorsqu’on souhaite évaluer plusieurs détecteurs.
Dans deux thèses récentes, deux variantes ont été développées pour surmonter cette limite. Le Forced Detection eTLE- (Guadagni, EPJ Plus 2021) utilise un échantillonnage préférentiel qui oriente les pseudo-particules vers le détecteur à chaque collision. Il est particulièrement efficace pour les petits détecteurs et les configurations avec blindages modérés, notamment pour les neutrons rapides. Le Split Exponential TLE (Hutinet & Antonsanti, EPJ Web 2024) repose sur une approche GPU asynchrone, externalisant le transport en ligne droite des particules sur processeur graphique. Grâce à un échantillonnage multiple, il maximise l’usage du GPU et permet une exploration plus efficace de l’espace des phases.
La thèse proposée vise à combiner ces deux approches dans un estimateur hybride nommé seTLE-DF. Ce nouvel estimateur pourra être utilisé soit directement, soit pour générer des cartes d’importance sans recourir à des calculs auxiliaires avec des codes déterministes. Sa mise en œuvre nécessitera des développements spécifiques sur GPU, notamment pour optimiser la bibliothèque géométrique et la gestion mémoire dans des géométries complexes.
Ce sujet s’inscrit dans le cadre de l’informatique verte, visant à réduire l’empreinte carbone du calcul haute-performance. Il repose sur une approche hybride CPU-GPU, évitant le portage complet du code Monte Carlo sur GPU. Des solutions telles que l’utilisation du format demi-précision seront envisagées et une évaluation de l’impact énergétique avant et après implémentation sera réalisée. Le futur docteur sera accueilli au sein de l'Institut IRESNE (CEA Cadarache). Il pourra acquérir des compétences solides en simulation neutronique, facilitant son intégration dans les grands organismes de recherche ou les entreprises du secteur nucléaire.
Concevoir des outils d’intelligence artificielle pour traquer le relâchement des produits de fission hors du combustible nucléaire.
Le Laboratoire d'Analyse de la MIgration des Radioéléments (LAMIR) au sein de l'Institut de REcherche sur les Systèmes Nucléaires (IRESNE) du CEA Cadarache a développé un ensemble de méthodes de mesure pour caractériser le relâchement des produits de fission hors du combustible nucléaire lors d'un transitoire thermique, dont en particulier un dispositif d'imagerie in situ operando. L'ensemble des données obtenues nécessite l'utilisation d'outils numériques de traitement prenant en compte les spécificités de l'instrumentation en milieu nucléaire et les informations recherchées sur les mécanismes physiques.
L'objectif de la thèse sera de développer une approche optimisée du traitement de ces données en s'appuyant sur l'état de l'art des méthodes d'Intelligence Artificielle (IA).
Dans un premier temps, le travail se focalisera sur le traitement des images acquises pendant la séquence thermique pour détecter les mouvements de matière. On cherchera un dispositif de traitement optimal au sens d’un critère numérique choisi rigoureusement.
Dans un second temps, cette approche sera généralisée à l'ensemble des mesures expérimentales obtenues lors d'une séquence thermique. Idéalement, on vise à obtenir un outil qui puisse aider au diagnostic en temps réel d'une expérience.
La thèse sera menée dans un cadre collaboratif entre le LAMIR qui possède une expérience reconnue pour ce qui est de l'analyse du comportement du combustible nucléaire et l'imagerie des phénomènes liés à ces analyses et l’Institut Fresnel de Marseille qui a développé une solide expérience en matière d'analyses d'images et d'IA. Ce cadre multidisciplinaire permettra au doctorant d’évoluer dans un environnement scientifique stimulant et lui permettra de valoriser ses travaux de recherche, en France comme à l’étranger lors de conférences et de publications dans des revues à comités de lecture.
Méthode primale-duale proximale pour l’estimation conjointe de l’objet et des paramètres d’acquisition inconnus en tomographie.
Dans le cadre de l’utilisation durable et sûre de l’énergie nucléaire au service de la transition énergétique décarbonée, le réacteur de recherche Jules Horowitz, en cours de construction sur le site du CEA Cadarache, est un outil-clé pour l’étude du comportement des matériaux sous irradiation. Une ligne d'imagerie tomographique est prévue en accompagnement des dispositifs expérimentaux afin d'obtenir l'image de la dégradation des échantillons en temps réel. Cette ligne présente des caractéristiques extraordinaires de par sa géométrie et la dimension des objets à caractériser. En conséquence, certains paramètres d'acquisition, indispensables pour la bonne reconstruction de l'image, ne sont pas connus avec précision. Ainsi, l'image finale peut se retrouver fortement dégradée.
L'objectif de cette thèse est de proposer des méthodes permettant l'estimation conjointe de l'objet caractérisé ainsi que des paramètres d'acquisition inconnus. Ces méthodes s'appuieront notamment sur les outils de l'optimisation convexe moderne. Cette thèse explorera également des méthodes de machine learning afin d'automatiser et d'optimiser le choix des hyperparamètres du problème.
La thèse sera réalisée en collaboration entre l'Institut de Mathématiques de Marseille (I2M CNRS UMR 7373, Aix-Marseille Université, site Saint Charles) et le laboratoire de Mesures Nucléaires de l’institut IRESNE du CEA (site de Cadarache, Saint Paul les Durance). Le ou la doctorant(e) évoluera dans un environnement de recherche stimulant en lien avec des problématiques stratégiques liées au contrôle non destructif. Il ou elle pourra également valoriser ses travaux de recherche en France comme à l'étranger.
Quel couplage mécanique-thermique pour les transitoire rapides ? Evaluation des apports de la Thermodynamique des Processus Irréversibles
Le Laboratoire d'Analyse de la MIgration des Radioéléments (LAMIR) au sein de l'Institut de REcherche sur les Systèmes Nucléaires (IRESNE) du CEA Cadarache a développé un ensemble de méthodes de mesure pour caractériser le relâchement des produits de fission hors du combustible nucléaire lors d'un transitoire thermique. Pour ces transitoires, il est important de simuler les sollicitations mécaniques associées aux variations de température qui peuvent générer la fracturation des échantillons de combustible testés. Dans cette thèse on s'intéresse à la modélisation de transitoires de puissance accidentels hypothétiques très rapides. L'objectif de la thèse sera de mettre en œuvre une nouvelle modélisation basée sur la thermodynamique des processus irréversibles (TPI).
La première partie de la thèse consistera à conforter l'écriture du couplage thermomécanique en TPI, qui a été proposée dans notre laboratoire (https://www.mdpi.com/2813-4648/3/4/33). Il s'agira là d'une approche essentiellement analytique pour mettre en place les ordres de grandeurs des différents mécanismes mis en jeu. La seconde partie consistera à appliquer ce formalisme à des résultats expérimentaux obtenus lors d'expériences de chauffage rapide avec des faisceaux laser. Une des difficultés de la simulation numérique avec la TPI consiste à calculer simultanément les champs de température et de contrainte , et non plus successivement comme c'est le cas dans les modélisations actuelles. On commencera par une programmation 1D (sous python ou autre)que l'on améliorera au fur et à mesure. La comparaison des résultats obtenus par TPI et par la modélisation actuelle permettra d'identifier les situations où il est nécessaire de prendre en compte les couplages spécifiques à la TPI pour avoir une prédiction de bonne qualité.
Le thésard bénéficiera du soutien d'experts en thermodynamique, en mécanique et en programmation. Ses travaux donneront lieu à des publications scientifiques présentées à des conférences. De part la diversité des domaines concernés, ce sujet de thèse est une bonne ouverture pour un futur professionnel tant dans l'industrie que dans la recherche académique.
Conception d’un circuit intégré de décodage de l’activité cérébrale motrice pour l’utilisation autonome d’une interface cerveau machine de suppléance motrice
Ce travail s’inscrit dans le cadre du développement d’interfaces cerveau-machine dédiées à la restauration de la mobilité pour des patients souffrant de handicaps moteurs chroniques sévères. Les solutions technologiques proposées reposent sur le décodage des signaux cérébraux acquis au niveau du cortex moteur, afin d’extraire les intentions de mouvement (Benabid et al, The Lancet Neurology, 2019 ; Lorach et al, Nature 2023). Ces intentions servent de commandes pour des systèmes de compensation motrice. Notre équipe est pionnière dans ce domaine, ayant développé WIMAGINE, l’un des premiers implants chroniques sans fil, ainsi qu’un décodeur et des effecteurs adaptés aux besoins des patients paraplégiques ou tétraplégiques.
La recherche proposée fait suite à une première thèse dont l’objectif était de concevoir un circuit intégré spécifique, capable de répliquer les performances du décodeur de signaux cérébraux avec une consommation énergétique extrêmement réduite, en utilisant un modèle fixe. Cependant, en raison des changements de stratégie de l’utilisateur ou de l’évolution naturelle de ses structures cérébrales, les performances du modèle de décodage tendent à se dégrader au fil des mois, nécessitant une recalibration régulière. Des premières stratégies de compensation de ces phénomènes ont été identifiées. L’objectif du candidat sera de perfectionner ces stratégies et de proposer une implémentation sous la forme d’un circuit numérique à très basse consommation.
La thèse se déroulera à Grenoble, au sein d’une équipe projet dynamique composée d’experts reconnus dans la conception et la validation clinique des interfaces cerveau-machine. L’équipe se distingue particulièrement dans la conception de circuits intégrés spécifiques et le développement d’algorithmes de décodage de signaux. Ce cadre permettra au doctorant d’évoluer dans un environnement scientifique stimulant et de valoriser ses travaux de recherche, tant en France qu’à l’étranger.
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).
Suivi en ligne des procédés de bio-production par imagerie holographique 3D
La culture des cellules adhérentes est un moyen prometteur pour différentes applications en bioproduction, comme la fabrication et l'administration de biomédicaments, la médecine régénérative, ou le suivi de la différenciation cellulaire. Cependant, elle pose des défis majeurs pour l’analyse des cellules sans affecter l’intégrité du substrat. L’imagerie holographique sans lentille se présente comme une solution prometteuse, capable de capturer des images de cellules sur un grand champ de vue sans aucune étape biochimique supplémentaire.
Cette thèse propose de développer un système d’imagerie holographique 3D pour le suivi des cellules adhérentes en temps quasi-réel, avec des algorithmes avancés pour la reconstruction et l’analyse d’images. Le système testé en terme de précision et robustesse sur des cultures biologiques variées. L’utilisation de l’apprentissage profond permettra la segmentation et l'analyse des cellules en temps quasi-réel, facilitant ainsi le suivi des dynamiques cellulaires. Ce projet innovant promet d'optimiser les procédés biologiques en offrant une vision non invasive des échantillons multicellulaires en 3D, avec des applications potentielles comme le suivi d’organes-sur-puce et de systèmes cellulaires complexes.