Internalisation des connaissances externes par les modèles de fondation
Pour accomplir une tâche inconnue, un sujet (humain ou robot) doit consulter des informations externes, ce qui implique un coût cognitif. Après plusieurs expériences similaires, il maîtrise la situation et peut agir automatiquement. Les années 1980 et 1990 ont vu des explorations en IA avec des schémas et graphes conceptuels, mais leur mise en œuvre à grande échelle était limitée par la technologie de l'époque.
Les modèles neuronaux actuels, notamment les transformers et les LLM/VLM, apprennent des représentations universelles grâce à un préentraînement sur d'énormes quantités de données. Ils peuvent être utilisés avec des prompts pour fournir un contexte local. L'affinage (fine-tuning) permet de spécialiser ces modèles pour des tâches spécifiques.
Les méthodes de type RAG et GraphRAG permettent d'exploiter des connaissances externes, mais leur utilisation à l'inférence est coûteuse en ressources. Cette thèse propose une approche cognitiviste dans laquelle le système effectue un apprentissage continu. Il consulte des sources externes lors de l'inférence et utilise ces informations pour s'affiner régulièrement, comme pendant le sommeil. Cette méthode vise à améliorer la performance et réduire la consommation de ressources.
Chez l'humain, ces processus sont liés à l'organisation spatiale du cerveau. La thèse étudiera également des architectures de réseaux inspirées de cette organisation, avec des "zones" dédiées mais interconnectées, comme les modèles vision-langage et langage-seul partageant des couches transformers.
Ces concepts peuvent être appliqués aux projets Astir et Ridder, visant à exploiter les modèles de fondation pour l'ingénierie logicielle en robotique et le développement de méthodes d'IA générative pour la commande sécurisée de robots.
Synthèse de nanodiamants à façon pour la production d'hydrogène par photocatalyse
Les nanoparticules de diamant (nanodiamants) sont utilisées en nanomédecine, dans les technologies quantiques, les lubrifiants et les composites avancés [1-2]. Nos résultats récents montrent que le nanodiamant peut également agir comme photocatalyseur, permettant la production d'hydrogène sous illumination solaire [3]. Malgré sa large bande interdite, sa structure de bande est adaptable en fonction de sa nature et de la chimie de sa surface [4]. De plus, l'incorporation contrôlée de dopants ou de carbone sp2 conduit à la génération d'états dans la bande interdite qui améliorent l'absorption de la lumière visible, comme l'a montré une étude récente impliquant notre groupe [5]. Les performances photocatalytiques des nanodiamants dépendent donc fortement de leur taille, de leur forme et de leur concentration en impuretés chimiques. Il est donc essentiel de développer une méthode de synthèse de nanodiamants « sur mesure »,dans laquelle ces différents paramètres peuvent être finement contrôlés, afin de fournir un approvisionnement en nanodiamants «contrôlés », qui fait actuellement défaut.
Cette thèse vise à développer une approche bottom-up pour la croissance de nanodiamants en utilisant un template sacrificiel (billes de silice) sur lequel des germes de diamant < 10 nm sont fixés par interaction électrostatique. La croissance de nanoparticules de diamant à partir de ces germes sera réalisée par dépôt chimique en phase vapeur assisté par micro-ondes (MPCVD) à l'aide d'un réacteur rotatif développé au CEA NIMBE. Après la croissance, les CVD-NDs seront collectés après dissolution du template sacrificiel. Des expériences préliminaires ont démontré la faisabilité de cette approche avec la synthèse de nanodiamants facettés de <100 nm(appelés CVD-ND).
Au cours de la thèse, la nature des germes de diamant (nanodiamants [taille ˜ 5 nm] synthétisés par détonation ou HPHT, ou dérivés moléculaires de l'adamantane) ainsi que les paramètres de croissance CVD seront étudiés afin d'obtenir des CVD-NDs mieux contrôlés en termes de cristallinité et de morphologie. Les nanodiamants dopés au bore ou à l'azote seront également étudiés, en jouant sur la composition de la phase gazeuse. La structure cristalline, la morphologie et la chimie de surface seront étudiées au CEA NIMBE à l'aide du MEB, de la diffraction des rayons X et des spectroscopies Raman, infrarouge et de photoélectrons. Une analyse détaillée de la structure cristallographique et des défauts structurels sera effectuée par microscopie électronique à transmission à haute résolution(collaboration). Les FNDs CVD seront ensuite exposés à des traitements en phase gazeuse (air, hydrogène) afin de moduler leur chimie de surface et de les stabiliser dans l'eau. Les performances photocatalytiques pour la production d'hydrogène sous lumière visible de ces différents CVD-NDs seront évaluées et comparées en utilisant le réacteur photocatalytique récemment installé au CEA NIMBE.
Références
[1] Nunn et al., Current Opinion in Solid State and Materials Science, 21 (2017) 1.
[2] Wu et al., Angew. Chem. Int. Ed. 55 (2016) 6586.
[3] Marchal et al., Adv. Energy Sustainability Res., 2300260 (2023) 1-8.
[4] Miliaieva et al., Nanoscale Adv. 5 (2023) 4402.
[5] Buchner et al., Nanoscale 14 (2022) 17188.
Modélisation et prédiction des émissions électromagnétiques des convertisseurs de puissance par deep learning
Ces dernières années, la compatibilité électromagnétique (CEM) dans les convertisseurs de puissance à semi-conducteurs à 'wide bandgap' (WBG) a suscité un intérêt croissant, en raison des vitesses de commutation élevées et des fréquences accrues qu’ils permettent. Si ces dispositifs améliorent la densité et l’efficacité des systèmes, ils engendrent également des émissions conduites et rayonnées plus complexes à maîtriser. Dans ce contexte, cette thèse porte sur la prédiction, la modélisation et la caractérisation des interférences électromagnétiques (EMI)(> 30 MHz), tant conduites que rayonnées, dans des systèmes électroniques de puissance opérant à haute fréquence. Elle s’appuie sur une méthode de découpage multi-sous-systèmes et une co-simulation itérative, combinée à une caractérisation in situ pour capturer les phénomènes non idéaux et non linéaires. En complément, des techniques deep learning sont utilisées pour modéliser le comportement EMI à partir de données mesurées et simulées. Generative AI est également exploitée pour générer automatiquement des configurations représentatives et variées que l’on peut rencontrer en électronique de puissance, permettant ainsi d’explorer efficacement un large spectre de scénarios EMI. Cette approche vise à renforcer la précision des analyses tout en accélérant les phases de simulation et de conception.
Réduction de la complexité du parc de bâtiments en France pour mieux anticiper la flexibilité de la demande énergétique et l'intégration de la ressource solaire
Ce travail propose de répondre aux enjeux actuels de transition énergétique dans le secteur du bâtiment, premier consommateur d’énergie en France. Les politiques publiques françaises proposent aujourd’hui des solutions de grande ampleur comme des aides à la rénovation énergétique des logements ou des incitations à l’installation de systèmes de production d’énergies renouvelables. A grande échelle, ceci engendre des changements structurants à la fois pour les gestionnaires de bâtiments mais aussi pour les gestionnaires de réseaux énergétiques. De ce fait, les acteurs du secteur doivent revoir leurs prévisions de consommation énergétique et d’impact carbone en intégrant des solutions de flexibilité adaptées au référentiel français. Pour répondre aux enjeux énergétiques et de diminution des émissions de gaz à effet de serre, quelques leviers de flexibilité sont déjà en place mais certains autres doivent être anticipés en tenant compte des scénarios long terme de rénovation énergétique et de déploiement du gisement renouvelable notamment photovoltaïque à l'échelle du parc français. La problématique de la massification est donc sous-jacente. C'est pourquoi cette thèse propose d’implémenter une méthodologie de réduction de la dimension du parc français sur des critères préalablement définis. En particulier, l’objectif sera de définir un nombre restreint de bâtiments de référence statistiquement représentatifs des comportements résultant de l’application de stratégies de flexibilité répondant aux enjeux énergétiques et de limitation des émissions de gaz à effet de serre. Pour ce faire, le CSTB (Centre Scientifique et Technique du Bâtiment) développe et met à disposition une base de données des bâtiments du parc français (BDNB : Base de Données Nationale des Bâtiments) renfermant notamment des informations sur la morphologie, les usages, les principes constructifs ou encore les consommations et performances énergétiques.
Développement de photoréacteurs microfluidiques pour l’évaluation reproductible et quantitative de matériaux photoactifs, couplés à l’analyse en ligne par spectrométrie de masse et chromatographie en phase gazeuse
La mise au point de matériaux photoactifs performants (catalyseurs, semi-conducteurs, films sensibles) pour la conversion chimique sous irradiation lumineuse nécessite des méthodes d’évaluation à la fois précises, reproductibles et quantitatives. Les approches classiques en batch souffrent de limitations importantes : faible maîtrise du temps de séjour, gradients de température ou de lumière, faible surface spécifique exposée, et reproductibilité variable. Dans ce contexte, les photoréacteurs microfluidiques offrent une alternative prometteuse pour le criblage structuré et l’évaluation fine de matériaux photoactifs, notamment grâce à leur rapport surface/volume élevé, leur contrôle du débit et leur géométrie adaptable à diverses configurations d’irradiation.
Cette thèse, en lien avec le projet SUNRISE du PEPR LUMA, vise à concevoir, fabriquer et caractériser des microréacteurs photoniques spécifiquement adaptés à l’évaluation rigoureuse de matériaux photoactifs. L’objectif est de créer une plateforme capable de générer des données quantitatives et comparables sur les performances et la stabilité de ces matériaux, en conditions bien définies de débit, d’irradiation, et d’environnement réactionnel, puis de les coupler à des techniques analytiques de haut niveau (GC, MS) pour l’identification en ligne des produits générés.
Nous proposons de développer 4 axes au cours de ce projet de thèse : 1) développement, caractérisation et optimisation de la plateforme microfluidique pour la mesure en ligne de liquide et de gaz; 2) Mise en place de protocoles de dépôt des matériaux photoactifs 3) évaluation des performances photochimiques et validation du système avec des échantillons fournis (partenaires de SUNRISE) et sur la dégradation de polluant par photochimie (collaboration avec une thèse en cours au laboratoire) et 4) couplage du réacteur à des méthodes d’analyse en ligne (GC, MS).
Modèles de fondation multimodaux à grain fin et ancrés spatio-temporellement.
Ce projet de thèse porte sur l'amélioration des modèles multimodaux de grande taille (LMMs) par l’intégration d’informations fines et spatio-temporelles dans les ensembles de données d'entraînement. Bien que les modèles actuels tels que CLIP et Flamingo présentent de bonnes performances, ils s'appuient sur des paires image-texte bruitées et peu structurées, sans ancrage spatial ou temporel explicite. La thèse vise à développer des pipelines automatiques permettant d’enrichir les jeux de données avec des métadonnées géographiques et temporelles, à affiner les légendes par l’introduction de descripteurs sémantiques plus précis, et à réguler la diversité et la compacité des données par un contrôle du nombre d'exemples par classe.
Les stratégies d'entraînement exploiteront des hiérarchies de classes et adapteront les protocoles afin d'améliorer l’alignement entre les éléments des légendes et les régions d’image correspondantes. Le travail portera également sur des régimes d’entraînement conjoints intégrant simultanément les dimensions fine, spatiale et temporelle, ainsi que sur une phase d’inférence orientée vers la génération de contenus diversifiés en mode "ensemble". Le projet abordera également des enjeux liés à la qualité des métadonnées, à l’adaptation efficace des modèles, et à la conception de benchmarks adaptés à l’évaluation multi-dimensionnelle.
Les applications ciblées incluent la génération de données synthétiques pour la conduite autonome, l’annotation enrichie d’archives médiatiques via des légendes contextualisées, et une meilleure compréhension visuelle dans les environnements industriels simulés.
Caractérisation électrique et matériau approfondie d'espaceurs à faible constante diélectrique
Dans le cadre de l'European Chip Act, le CEA-Leti s'engage à façonner l'avenir de l'électronique en développant une nouvelle génération de transistors grâce à l'architecture FDSOI. Nous recherchons un(e) thésard(e) motivé(e) pour nous aider à relever des défis passionnants liés aux performances avancées de ces transistors. Vous aurez l'opportunité de participer à un projet de pointe axé sur le développement de matériaux innovants, avec l'ambition de créer une technologie de premier plan en matière d'efficacité énergétique.
Alors que nous repoussons les limites des transistors planaires à 10 nm et 7 nm, nous faisons face à d'importants défis physiques, en particulier la réduction des éléments parasites tels que la capacitance et la résistance d'accès, qui sont essentiels pour minimiser les pertes d'énergie et optimiser les performances. Le matériau isolant utilisé pour les espaceurs jouent ici un rôle clé sur ces performances et de nombreux candidats ont été proposés pour remplacer les solutions conventionnelles avec de plus faibles permittivités (SiN, SiCO, SiCON, SiCBN). Néanmoins leur intégration introduit également des défauts inhérents entrainant la capture de charges ou la présence d'états d'interface indésirables qui nuisent à la performance finale des transistors.
L'objectif de cette thèse est de mener une enquête approfondie et une caractérisation électrique (CV, IV, BTI, HCI, etc.) du matériaux d’espaceur (interface, volume), en fournissant une analyse détaillée des performances du transistor et de ses mécanismes sous-jacents. Une caractérisation innovante par mesure de stress CV ultra-rapide sur des échantillons diélectriques sera également réalisée et la corrélation entre la performance de piégeage et les paramètres de dépôt utilisés dans leur fabrication sera établie. De plus, le candidat collaborera étroitement avec des experts pour contribuer au développement du dépôt couches minces et à la caractérisation de nouveaux matériaux par analyse de surface et caractérisation des films minces (ellipsométrie, FTIR, XRR, XPS, etc.).
Tout au long de la thèse, vous acquerrez un large éventail de connaissances, couvrant les matériaux et processus de la microélectronique, la conception intégrée analogique, tout en relevant le défi unique de la technologie FDSOI avancée à 7-10 nm. Vous collaborerez avec des équipes pluridisciplinaires pour développer une compréhension approfondie des dispositifs FDSOI et analyserez les mesures existantes. Vous ferez également partie d'un laboratoire multidisciplinaire, travaillant aux côtés d'une équipe composée de plusieurs chercheurs permanents, explorant un large éventail d'applications de recherche.
Ce thèse offre l'opportunité unique de participer à un des projet phare et ambitieux du CEA-LETI. Si vous êtes curieux et avide de relever des défis, cette opportunité est faite pour vous !
Modélisation simplifiée de la calcination en tube tournant
Depuis le début de l’exploitation des chaînes de vitrification à La Hague en 1989, ORANO (ex AREVA) est confronté à des difficultés de pilotage du calcinateur. Les actions menées pour tenter de réduire significativement ces problèmes ont considérablement réduit ces difficultés sans toutefois les éliminer totalement. Les actions préconisées sont pour la plupart basées sur des avis d’expert, eux-mêmes basés sur des résultats d’essais en inactifs qui ne couvrent pas toutes les situations rencontrées par ORANO. Pour tenter de résoudre définitivement ces difficultés de pilotage, il a été décidé de lancer une étude plus théorique de modélisation, tout en étudiant en parallèle une nouvelle instrumentation de pilotage du calcinateur.
Dans le cadre du retraitement des combustibles usés de type uranium oxyde, les déchets liquides ultimes de haute activité sont conditionnées dans des verres par un procédé deux étapes, calcination puis vitrification. La calcination transforme progressivement le déchet liquide en un résidu sec, qui est mélangé à un verre préformé dans un four de fusion chauffé à environ 1100°C permettant l'élaboration du verre de confinement. Les gaz produits dans ces deux unités sont traités dans une unité spécifique, qui permet de recycler les aérosols générés dans le calcinateur.
Dans l’objectif d’améliorer la maîtrise du pilotage du calcinateur, il est proposé de le modéliser. Le calcinateur est constitué d’un tube tournant chauffé par un four à résistances à quatre zones indépendantes. Le solutions calcinées sont constituées d’acide nitrique et de composés sous leur forme nitrate ou d’insolubles sous forme d’alliages métalliques.
Microfluidique pour la détection biomimétique de pathogènes dans l’air
L’air représente une voie de contamination difficile à contrôler par laquelle de nombreux agents biologiques, biochimiques ou chimiques peuvent affecter les populations et le personnel soignant. Les approches de détection usuelles, qu’il s’agisse de qPCR, de tests antigéniques ou de tests ELISA, reposent toutes sur l’emploi de réactifs spécifiques aux agents recherchés. Ces approches sont par conséquent inadaptées pour détecter un pathogène inconnu dont pourrait résulter une nouvelle pandémie. Face à de tels agents inconnus, de nouveaux capteurs liés au vivant seront nécessaires pour distinguer ce qui peut être pathogène de ce qui ne devrait pas l’être. Et ceux-ci devront être miniatures pour être déployés.
La thèse proposée vise à explorer, au moyen d’un nouveau système microfluidique, des approches originales pour mener une telle détection sans a priori. En s’appuyant sur l’expérience et les développements du laboratoire, il s’agira notamment de :
- mettre au point de nouveaux matériaux et designs permettant d’optimiser et enchaîner les prélèvements de bioaérosols ;
- développer une biopuce biomimétique et optimiser les rencontres moléculaires au moyen de micro-écoulements pilotés à micro/milli échelles.
Vous concevrez ainsi une carte microfluidique intégrant de nouvelles stratégies de détection puis étudierez expérimentalement celles-ci en vous appuyant sur les prototypes développés au laboratoire.
Optimisation des transports dans les couches de diffusion gazeuse des piles à combustible à membrane échangeuse de protons : Intelligence artificielle comme support pour définir des structures poreuses et une utilisation optimales
La conception et la fabrication de matériaux innovants avec les propriétés requises est un objectif clé pour le développement des technologies avancées dans le domaine de l’énergie, telles que les piles à combustible hydrogène et alcaline et les électrolyseurs. Ces améliorations contribueront à proposer des systèmes d’énergie électrique encore plus attractifs, à faible teneur en carbone, avec une pollution réduite et des effets de serre.
Cette thèse porte sur la couche de diffusion gazeuse (GDL) qui joue un rôle crucial sur les performances et la durabilité des piles à combustible à membrane échangeuse de protons (PEMFC).
Votre objectif principal sera de mettre en place une approche numérique afin de proposer des structures poreuses améliorées pour optimiser les différents transports à l’intérieur d’une GDL, pour des objectifs et contraintes donnés. Pour ce faire, vous ferez le pont entre la modélisation avancée de transports (électriques, thermiques, liquides, gazeux) en 3D et l’intelligence artificielle. Vous analyserez ensuite l’influence des conditions d’exploitation sur ces structures optimales et proposerez des recommandations de conception.
Ce travail sera mené en étroite relation entre des acteurs scientifiques de renommée mondiale : les piles à combustible et les équipes de modélisation du CEA/LITEN (Grenoble), les spécialistes des transports en milieux poreux au CNRS/IMFT (Toulouse), et les spécialistes du GDL, modélisation et IA au FZJ (Juelich, https://www.fz-juelich.de/fr).
Des publications scientifiques sont attendues et des brevets pourraient également être proposés.