Prédictibilité temporelle et sécurité : raisonner sur la non-interférence temporelle dans les processeurs out-of-order

Les processeurs modernes out-of-order sont difficiles à sécuriser contre les fuites temporelles, car les contre-mesures de sécurité telles que le flushing, le stalling, le retardement ou le padding modifient elles-mêmes le comportement temporel du processeur. Cette thèse étudie comment la prédictibilité temporelle peut contribuer à une approche de security-by-design avec des garanties temporelles quantitatives. En s’appuyant sur un moteur out-of-order prédictible et formellement vérifié, l’objectif est de dériver non seulement des bornes sûres sur la latence introduite par les mécanismes de sécurité, mais aussi les dépendances de l’état du processeur qui déterminent ces bornes. Les résultats scientifiques attendus sont un cadre formel pour dériver et valider les bornes de latence des contre-mesures temporelles, une méthode permettant de déterminer si cette latence reste indépendante d’un secret ou de l’état d’un domaine précédent, ainsi que des techniques compositionnelles permettant de réutiliser les preuves temporelles et de sécurité après des modifications matérielles. L’objectif plus général est de faire du coût temporel d’un mécanisme de sécurité une partie intégrante de l’argument de sécurité lui-même.

Préparation et lecture d’états pour des fonctions multivariées : les principaux goulots d'étranglement pour le traitement des EDP avec des algorithmes quantiques

Un ordinateur quantique tolérant aux fautes pourrait offrir une accélération exponentielle par rapport aux meilleurs algorithmes classiques pour certaines applications. Bien que des propositions existent pour des instances spécifiques, leur adaptation à des cas concrets reste mal définie. C'est notamment le cas pour la résolution d'Equations aux Dérivées Partielles (EDP), une problématique majeure en calcul numérique, ainsi que pour d'autres applications nécessitant la préparation d'états initiaux (et des conditions aux limites) correspondant à des fonctions multivariés discrétisées. Ces initialisations, bien que réalisables avec un avantage quadratique via des méthodes d'amplification d'amplitude, soulèvent la question suivante : Quelles distributions définies par des fonctions multivariées peuvent être implémentées efficacement sur des états quantiques exponentiellement grands ? Ce sujet développe les approches basées sur des changements de base. C’est-à-dire la recherche de matrices de passage efficacement décomposables en portes quantiques et donnant accès à des bases où la représentation de la fonction est creuse (ou parcimonieuse). Les approches développées pourraient également apporter une solution au problème dit "output ou readout problem", lorsque le résultat attendu est naturellement parcimonieux dans une base de fonctions.

Détection d’objets en monde ouvert, explicable et frugale, par découverte et transfert de concepts visuels

Contrairement aux détecteurs classiques appris sur une liste fermée de catégories et aux VLM (grands modèles vision-langage) qui sont limités à un vocabulaire figé, trop lourds et non explicables, cette thèse propose une approche explicable et frugale de détection d'objets en monde ouvert. En effet, les détecteurs d’objets dans un monde ouvert sont capables non seulement de reconnaître les objets connus, mais aussi de signaler des éléments inconnus ou inattendus.
Le projet de thèse repose sur l'utilisation des VLM uniquement comme des enseignants (teachers) hors ligne lors de l'entraînement afin de distiller leurs connaissances dans un détecteur léger en temps réel. En s'appuyant sur l'apprentissage et le raisonnement à partir d'une hiérarchie de concepts visuels partagés (couvrant l'apparence, les attributs et les familles sémantiques), le modèle proposé sera capable non seulement de reconnaître les objets connus, mais aussi de signaler et de caractériser les objets inconnus sans requêtes (prompts) préalables. Cette approche fournira ainsi des explications visuelles directement ancrées dans l'image, répondant aux exigences de robustesse, de transparence et de frugalité, essentielles dans des applications de nombreux domaines où la sécurité est critique (mobilité, défense et sécurité, santé et contrôle industriel).

Certification de la non-occurence d'événements dans les grands modèles Vidéo-langage

La fiabilité des modèles d'intelligence artificielle capables d'analyser des vidéos (Video Large Language Models) constitue un enjeu majeur, notamment dans les domaines applicatifs où une mauvaise interprétation des images peut entraîner des décisions inadaptées ou engendrer de la désinformation.
Aujourd'hui, ces modèles ont tendance à confondre ce qui est réellement visible dans une vidéo avec ce qui est simplement probable ou attendu. Ils peuvent ainsi affirmer qu'une action a été réalisée alors que la vidéo ne montre pas sa réalisation effective.

L'objectif principal de la thèse est d’apporter aux modèles les capacités à distinguer trois situations : (1) un événement a bien eu lieu, (2) il n'a pas eu lieu (avec des preuves visuelles suffisantes), ou (3) les informations disponibles ne permettent pas de conclure.
Trois axes de recherche complémentaires seront explorés :
· Le premier consiste à proposer des méthodes permettant d'apprendre aux modèles à identifier les éléments visuels réellement déterminants pour confirmer ou infirmer une action.
· Le deuxième vise à développer des mécanismes de raisonnement capables d'identifier les observations qui devraient nécessairement être visibles si un événement avait eu lieu. Cette démarche permettra de produire des « certificats de non-occurrence », c'est-à-dire des justifications structurées reposant sur des preuves visuelles permettant de conclure qu'un événement ne s'est pas produit.
· Le troisième axe étudiera si l'utilisation de ces certificats comme supervision supplémentaire permet d'améliorer les performances des modèles avec moins de données d'entraînement.
Les approches développées seront évaluées en termes de précision, de robustesse face aux situations ambiguës, et de frugalité en données. À terme, cette recherche vise à développer des modèles vidéo plus fiables, capables de justifier leurs conclusions plutôt que de simplement prédire ce qui semble probable.

Modèles de fondation pour la représentation hiérarchique et la reconstruction des événements de collision de particules

Les mesures de précision réalisées au Grand collisionneur de hadrons (LHC) nécessitent une compréhension détaillée des particules produites lors de chaque collision ainsi que des relations qui les unissent. Cependant, la reconstruction du processus physique sous-jacent reste extrêmement difficile. Différentes chaînes de désintégration peuvent produire des signatures expérimentales similaires, plusieurs associations de particules peuvent être compatibles avec un même événement, et les particules non détectées laissent une information incomplète. Une représentation reliant ces observations à différentes interprétations physiques possibles pourrait améliorer la reconstruction et fournir une base commune à plusieurs analyses.
Dans le cadre de ce projet, nous proposons de développer une représentation hiérarchique des événements de collision au sein du programme HEP Foundry, dirigé par les encadrants. Cette représentation reliera, dans un modèle commun d’apprentissage automatique, les particules reconstruites, les objets composites et les chaînes de désintégration possibles. Le modèle sera d’abord entraîné sur divers processus simulés, puis adapté à des tâches de reconstruction spécifiques. L’objectif est de conserver plusieurs interprétations physiquement compatibles d’un événement et d’en quantifier les incertitudes. La production de paires de bosons de Higgs (HH), en particulier dans l’état final comportant quatre quarks bottom, constituera le principal cas d’étude physique. Ce processus permet de sonder l’auto-couplage du boson de Higgs et la forme du potentiel de Higgs, ce qui en fait un objectif majeur du programme de physique du LHC. Sa reconstruction complexe et ses importants bruits de fond constitueront un test particulièrement exigeant pour le cadre proposé.
Ce projet de thèse s’intégrera naturellement dans le cadre de l’initiative ScienceFace, notamment en contribuant au développement d’outils logiciels communs pour la curation de données scientifique et la construction de modèles des fondation scientifiques.

Approche d’ingénierie système basée sur les modèles pour l'automatisation et l'optimisation de l'exploration d'architectures de contrôle de qubits

La conception de l'architecture système pour contrôler des millions de qubits dans un ordinateur quantique est un défi complexe en raison des contraintes strictes issues de domaines techniques hétérogènes (micro-électronique, information quantique, thermique). Elle requiert des formalismes et des outils dédiés pour permettre son automatisation et optimisation. Là où les approches traditionnelles restent cloisonnées, l'ingénierie système basée sur les modèles (MBSE) et le langage de modélisation standard SysML v2 apportent un cadre d'intégration unique pour l'analyse et l'exploration des espaces de conception de systèmes multi-physiques complexes.
Pour capturer ces architectures dans des modèles SysML v2, ce travail de recherche vise à proposer des adaptations de ce langage de modélisation au domaine quantique en créant des extensions dédiées (bibliothèques et métadonnées).
A partir de ces modèles, ces recherches exploreront comment les algorithmes quantiques ou hybrides de référence impactent ces architectures, notamment à l’aune de l’estimation des ressources nécessaires à ces applications et des mécanismes de correction d’erreurs employés.
La thèse entend développer une démarche pour l'automatisation et l'optimisation de l'exploration de ces architectures. Pour cela elle étudiera comment adapter des algorithmes de recherche opérationnelle à l’exploration de l’espace de conception, en y intégrant des analyses de sensibilité, des heuristiques de relaxation de contraintes et une prise en compte des incertitudes physiques.
Ce travail de recherche ambitionne d'identifier les paramètres les plus dimensionnants et d’apporter des connaissances nouvelles capables d’orienter vers les axes de R&D les plus prometteurs.
La thèse sera réalisée au CEA Grenoble.

Top