Fonctions avancées de monitoring des transistors de puissance (vers la fiabilisation et augmentation de la durée de vie des convertisseurs de puissance pour l’énergie)
Afin d’augmenter la puissance des systèmes électroniques, une approche courante est de paralléliser des composants au sein de modules. Cependant, cette parallélisation est compliquée par la dispersion des paramètres des transistors, tant initiaux que post-vieillissement. Les commutations rapides des composants WBG (semi-conducteurs à large bande interdite) nécessitent souvent des ralentissements pour éviter des suroscillations et des destructions.
Un schéma de pilotage intelligent, incluant une commande ajustée, un contrôle des paramètres internes des circuits et des dispositifs, ainsi qu'une boucle de rétroaction, pourrait améliorer la fiabilité, la durée de vie et réduire les risques de casse.
Les objectifs de la thèse seront de développer, étudier et analyser les performances de fonction de contrôle et pilotage de composants de puissance, tels le carbure de silicium (SiC) ou le nitrure de gallium (GaN), qui pourraient à terme être implémenté dans un circuit intégré dédié (type ASIC).
Ce sujet de thèse vise à résoudre des problèmes critiques dans la parallélisation de composants de puissance, contribuant ainsi à l'éco-innovation en augmentant la durée de vie des modules de puissance.
Sondage de circuits intégrés par faisceau électronique
La conception des circuits intégrés nécessite, en fin de chaîne, des outils d'édition de circuit et d'analyse de défaillance. Parmi ces outils, le sondage de niveaux de potentiels électriques par utilisation d'un faisceau électronique disponible dans un MEB (Microscope Electronique à Balayage) permet de connaitre le signal électrique présent dans une zone du circuit, cette zone pouvant être un niveau de métal ou un transistor. Cette technique de sondage électronique a été très utilisée dans les années 90, puis partiellement abandonnée malgré quelques publications récurrentes sur cette technique. Les dernières années ont remis au gout du jour cette technique par utilisation de la face arrière du composant, le sondage se faisant via le substrat de silicium et l'accès aux zones actives du composant.
Ces outils de débogage et d'analyse de défaillance sont aussi des outils pour attaquer les circuits intégrés. Ce sujet de thèse s'inscrit dans le cadre de la cybersécurité matérielle et notamment des risques liés aux attaques dites invasives. Le doctorant mettra en œuvre cette technique de sondage par faisceau électronique sur des MEB commerciaux et dans des conditions d'utilisation propre à la cybersécurité. Il sera envisagé différentes techniques pour améliorer les signaux sondés, pour comprendre les risques et se prémunir de leur exploitation, notamment par l'utilisation et le détournement d'un MEB de table qui rendrait l'attaque "low-cost".
Développement d’une plateforme microfluidique bioanalytique pour quantifier la bio distribution cellulaire d’un médicament
Le mode d'action d’un médicament, ainsi que son efficacité, sont corrélés non seulement à sa capacité à s’accumuler au niveau des tissus pathologiques ciblés, à savoir sa bio distribution tissulaire, mais également à atteindre spécifiquement sa cible moléculaire au sein des cellules. Une accumulation non spécifique d’un médicament dans ces cellules peut être à l’origine d’effets non-désirés, par exemple des effets secondaires lors de chimiothérapies. En d’autres termes, évaluer l’efficacité, la spécificité et l’absence de toxicité d’un médicament nécessite de déterminer précisément et de façon quantitative sa bio distribution cellulaire. Devenus incontournable en oncologie, les conjugués anticorps-médicaments (ADC) permettent une thérapie vectorisée afin de cibler préférentiellement au sein d’une tumeur un sous-ensemble de cellules tumorales exprimant l’antigène reconnu par l’anticorps.
Ces ADC ciblent des cellules tumorales spécifiques exprimant un antigène particulier, limitant ainsi la toxicité pour les tissus sains. Le marquage radioactif des médicaments (3H, 14C) est une méthode clé pour quantifier leur accumulation dans les cellules tumorales et non tumorales, afin d’évaluer la précision du ciblage et éviter les effets secondaires indésirables. Cependant, la détection des faibles émissions de tritium nécessite de nouvelles solutions technologiques. Le projet propose le développement d'une plateforme microfluidique innovante permettant de détecter et quantifier ces isotopes dans des cellules uniques. Cette approche permettra de mieux documenter la distribution des ADC dans des tissus hétérogènes et d’affiner les stratégies thérapeutiques.
Révolutionner l'intervention en milieux complexes : L'IA et les Jumeaux numériques en synergie pour des solutions innovantes et efficaces.
Contexte scientifique
L’exploitation d’équipements complexes, notamment dans le secteur nucléaire, repose sur l’accès rapide et sécurisé à des données hétérogènes. Les avancées en IA générative, combinées aux Jumeaux Numériques (JN), offrent des solutions innovantes pour améliorer les interactions humain-système. Cependant, l’intégration de ces technologies dans des environnements critiques nécessite des approches adaptées pour garantir intuitivité, sécurité et efficacité.
Travail proposé
Cette thèse propose de développer une architecture d’IA générative enrichie par des données métiers et accessible via la réalité mixte, permettant à un opérateur de boite à gants de poser des questions en langage naturel. Les travaux incluent :
1. Une revue de l’état de l’art sur la génération augmentée (RAG), les technologies ASR/TTS et les JN.
2. Le développement et l’intégration d’un chatbot pour l’exploitation nucléaire.
3. L’évaluation des interactions humain-IA et la définition de métriques d’efficacité et d’adoption.
Résultats attendus
Le projet vise à améliorer la sécurité et la productivité grâce à une interaction optimisée et à proposer des guidelines pour l’adoption de ces systèmes dans des environnements critiques.
Structuration 3D complexes à base d’origamis d’ADN
L'évolution rapide des nouvelles technologies, telles que les voitures autonomes ou les énergies renouvelables, nécessite la réalisation de structures de plus en plus complexes. Pour cela, il existe aujourd’hui de nombreuses techniques de structuration de surface. En microélectronique, la lithographie optique est la méthode de référence permettant d’obtenir des motifs micro- et nanométriques. Cependant, elle reste limitée dans la diversité des formes réalisables.
Au cours des dernières années, une approche prometteuse a été développée au sein des laboratoires du CBS (INSERM à Montpellier) et CEA Leti (Grenoble) : l’assemblage des origamis d'ADN. Cette technologie exploite les propriétés d'auto-assemblage de cette chaine de polymères qu’est l’origami ADN. L’organisation des origamis d’ADN de taille nanométrique permet de former in fine des structures d’une dimension micrométrique. L'objectif de cette thèse est d'explorer de nouvelles perspectives en combinant des origamis 2D et 3D pour créer des structures inédites. Ces motifs pouvant présenter un grand intérêt pour des applications dans les domaines tel que l’optique ou encore l’énergie.
Conception et développement d’algorithmes asynchrones pour la résolution de l’équation du transport des neutrons sur des architectures massivement parallèles et hétérogènes
Cette proposition de thèse s’inscrit dans le cadre de la résolution numérique d’équations aux dérivées partielles par le biais d’une discrétisation des variables. Elle s’intéresse, dans un formalisme d’éléments finis, à travailler sur la conception d’algorithmes au travers de modèles de programmation parallèle et asynchrone pour la résolution de ces équations.
Le cadre industriel applicatif est la résolution de l’équation de Boltzmann appliquée au transport des neutrons dans le cœur d’un réacteur nucléaire. Dans ce contexte, beaucoup de codes modernes de simulations’appuient sur une discrétisation par éléments finis (plus précisément, un schéma Galerkin discontinu décentré amont) pour des maillages cartésiens ou hexagonaux du domaine spatial. L’intérêt de ce travail de thèse prolonge des travaux précédents pour explorer leur extension dans un cadre d’architecture distribuée qui n’ont pas été abordé jusque-là dans notre contexte. Il s’agira de coupler des stratégies algorithmiques et numériques pour la résolution du problème à un modèle de programmation qui expose du parallélisme asynchrone.
Ce sujet s’inscrit dans le cadre de la simulation numérique des réacteurs nucléaires. Ces simulations multiphysiques coûteuses requièrent le calcul du transport des neutrons en cinétique qui peuvent être associées à des transitoires de puissance violents. La stratégie de recherche adopté pour cette thèse permettra de gagner en coût de calcul, et alliée à un modèle massivement parallèle, peut définir les contours d’un solveur neutronique efficace pour ces problèmes multiphysiques.
Un travail réussi dans le cadre de cette thèse permettra à l’étudiant de prétendre à un poste de recherche en simulation et analyse numérique de problèmes physiques complexes, par-delà la seule physique des réacteurs nucléaires.
Prédire les propriétés thermodynamiques des défauts dans des alliages métalliques multi-composants à partir de l'échelle atomique par apprentissage statistique
Les propriétés et le comportement des matériaux dans des conditions extrêmes sont essentiels pour les systèmes énergétiques tels que les réacteurs de fission et de fusion. Cependant, prédire avec précision les propriétés des matériaux à haute température reste un défi. Les mesures directes de ces propriétés sont limitées par les instruments expérimentaux, et les simulations à l'échelle atomique basées sur des champs de force empiriques sont souvent peu fiables en raison d'un manque de précision. Ce problème peut être résolu à l'aide de techniques d'apprentissage statistique, qui ont récemment vu leur utilisation exploser en science des matériaux. Les champs de force construits par apprentissage statistique atteignent le degré de précision des calculs {it ab initio} ; cependant, leur mise en œuvre dans les méthodes d'échantillonnage est limitée par des coûts de calcul élevés, généralement supérieurs de plusieurs ordres de grandeur à ceux des champs de force traditionnels. Pour surmonter cette limitation, deux objectifs seront poursuivis dans cette thèse : (i) améliorer les champs de force par apprentissage statistique actif en trouvant un meilleur compromis précision-efficacité et (ii) créer des méthodes accélérées d'échantillonnage de l'énergie libre et des chemins cinétiques afin de faciliter l'utilisation de champs de force d'apprentissage statistique coûteux en termes de calcul. Pour le premier objectif, nous améliorons la construction des champs de force d'apprentissage statistique en nous concentrant sur trois facteurs clés : la base de données, le descripteur de l'environnement atomique local et le modèle de régression. Pour le deuxième objectif, nous mettrons en œuvre un schéma d'échantillonnage bayésien rapide et robuste pour estimer l'énergie libre anharmonique, qui est cruciale pour comprendre les effets de la température sur les solides cristallins, à l'aide d'une méthode de force de biais adaptative qui améliore considérablement la vitesse de convergence et la précision globale. Nous appliquerons les méthodes développées au calcul de l'énergie libre et de ses dérivées, des grandeurs physiques qui donnent accès aux propriétés thermo-élastiques des alliages et aux propriétés thermodynamiques des défauts ponctuels. Pour cela, nous utiliserons des extension algorithmiques qui permettent d'échantillonner un état métastable spécifique et aussi les chemins de transition vers d'autres bassins d'énergie et donc d'estimer les énergies libres de formation et de migration de défauts lacunaires. Les grandeurs thermodynamiques calculées seront ensuite utilisées comme données d'entrée de méthodes de Monte Carlo cinétique, qui permettra de mesurer les coefficients de diffusion dans les alliages complexes en fonction de la température. Un but sera d'essayer de relier les propriétés de transport atomique à la complexité de l'alliage. Notre approche ayant une rapidité considérablement supérieure à celle des méthodes standard, nous pourrons envisager de l'appliquer à des alliages complexes comprenant les éléments W, Ti, V, Mo et Ta à des températures et des compositions qui n'ont pas été étudiées expérimentalement.
Apport de l’IA sur les calculs neutroniques déterministes de réacteurs SMR-REP pilotés en eau claire
Face aux enjeux climatiques, la recherche d'énergies propres et fiables se concentre sur le développement de petits réacteurs modulaires à eau sous pression (SMR de type REP), d’une puissance de 50 à 1000 MWth, qui visent à décarboner la production d'électricité et de chaleur dans la prochaine décennie. En comparaison des réacteurs en exploitation, leur taille réduite peut permettre de simplifier leur conception en n'utilisant pas de bore soluble dans l’eau du circuit primaire. Le pilotage repose alors principalement sur le niveau d’insertion des barres absorbantes, qui perturbent la distribution spatiale de puissance lorsqu’elles sont fortement insérées, ce qui provoque des pics de puissance plus prononcés que dans un cœur géré au bore soluble, et complique la gestion de la réactivité. Estimer correctement ces paramètres pose alors des défis en matière de modélisation neutronique, en particulier les effets de l’historique d’insertion des absorbants sur l’évolution isotopique du combustible. Une thèse achevée en 2022 a exploré ces effets à l’aide d’un modèle neutronique analytique, mais des difficultés subsistent car les mouvements d’absorbants neutroniques ne sont pas les seuls phénomènes à influer sur le spectre neutronique. La thèse proposée cherche à développer une méthode alternative qui permette de gagner en robustesse, tout en cherchant à réduire encore les biais de calculs. Une analyse de sensibilité sera réalisée pour identifier les paramètres clés, permettant de créer un méta-modèle utilisant l'intelligence artificielle pour corriger les biais des modèles existants. Ce projet, en collaboration avec l'IRSN et le CEA, permettra d'acquérir une expertise en physique des réacteurs, en simulations numériques et en machine learning.
Le travail de thèse sera effectué 18 mois au CEA de Cadarache et 18 mois à l’IRSN de Fontenay-aux-Roses.
Prédire la solubilité grâce à l’IA pour innover en hydrométallurgie
L’un des challenges de l’hydrométallurgie est de parvenir à trouver une molécule extractante à la fois sélective et efficace. Pour ce faire, il faut choisir parmi des milliers de possibilités, action impossible à réaliser par une méthode synthèse-test. A la place, de nombreuses études se basent sur des calculs quantiques pour évaluer l’efficacité d’un ligand à partir de la stabilité du complexe. Cependant, ces méthodes ne permettent pas de prendre en compte certains paramètres physico-chimiques essentiels à une extraction efficace tels que la solubilité.
Ce projet a donc pour objectif de développer un outil informatique basé sur l’IA capable de prédire la solubilité d’une molécule dans un solvant donné à partir de sa structure moléculaire. Dans un premier temps, l’étude se focalisera sur 3 solvants : l’eau, pour laquelle des outils pré-existants serviront de référence, l’acide nitrique 3 M pour être dans des conditions usuelles de l’industrie nucléaire, et l’octanol, solvant organique utilisé pour déterminer le coefficient de partage logP. Le projet se découpe en 4 jalons principaux :
1)Etude bibliographique d’outils similaires existants permettant de choisir les voies les plus prometteuses
2)Recherche de bases de données et complétion si nécessaire par des expériences de solubilité en laboratoire
3)Modification/création du code et entraînement du réseau de neurones sur les bases de données ainsi établies
4)Vérifications des prédictions sur des molécules non-incluses dans les bases de données par comparaison avec des mesures en laboratoire
Combustion d'hydrogène et d'ammoniac en milieux poreux : expériences et modélisation
- Contexte
Les perspectives énergétiques actuelles suggèrent l'utilisation de l'hydrogène (H2) et de l'ammoniac (NH3) comme vecteurs d'énergie décarbonés. La combustion du NH3 offre des avantages tels qu'une densité énergétique élevée et un stockage sûr, mais présente une plage d’inflammabilité étroite et des émissions élevées de NOx. Il est possible d'obtenir de l'hydrogène par craquage partiel d’ammoniac pour créer des mélanges ayant des propriétés de combustion plus favorables, mais il reste des questions ouvertes concernant les émissions de polluants et la teneur en NH3 imbrûlé.
- Défis
Les brûleurs poreux sont des candidats prometteurs pour la combustion de mélanges NH3/H2 à faibles émissions polluantes. Malheureusement, les problèmes de durabilité des matériaux et la complexité de la stabilisation des flammes constituent encore des obstacles importants à leur industrialisation. Toutefois, les récentes avancées dans le domaine de la fabrication additive permettent un design avancé de matrices poreuses, leur caractérisation expérimentale restant difficile en raison de l'opacité de la matrice solide.
- Objectifs de recherche
Le doctorant exploitera un banc expérimental au CEA Saclay pour mener des expériences de combustion avec des mélanges NH3/H2/N2+air dans différents brûleurs poreux. Les tâches principales incluront la conception de nouvelles géométries poreuses, la comparaison des résultats expérimentaux avec les simulations numériques, un travail de modélisation 1D par moyennes volumiques et théorie asymptotique. Les mesures expérimentales comprendront : l'anémométrie à fil chaud, la thermométrie infrarouge, l'analyse de la composition des gaz de sortie, la chimiluminescence et les diagnostics laser. Les brûleurs poreux seront fabriqués à l'aide de techniques d'impression 3D avec des matériaux tels que l'acier inoxydable, l'inconel, l'alumine, la zircone et le carbure de silicium.
La recherche vise à développer des brûleurs poreux plus robustes et plus efficaces pour la combustion de mélanges NH3/H2, améliorant ainsi leur application pratique pour atteindre la neutralité carbone. Le candidat contribuera à faire progresser le domaine grâce à des données expérimentales, des conceptions innovantes et des techniques de modélisation améliorées.