Direction scientifique
Transfert de connaissances vers l'industrie

Nos Thèses par thème

Simulation réaliste basée sur des techniques d'apprentissage pour l'amélioration du diagnostic en contrôle non destructif

Département Imagerie Simulation pour le Contrôle (LIST)

Laboratoire Simulation et Modélisation en Electro-magnétisme

M2 en mathématiques apppliqueées/ statisques / physique

01-09-2019

SL-DRT-19-0657

roberto.miorelli@cea.fr

Le développement d'outils de diagnostic automatique est un sujet de recherche très actif dans le domaine du contrôle non destructif, car il s'inscrit dans la stratégie de modernisation et de gestion améliorée des lignes de production au niveau européen [1]. Ces outils visent à fournir à une chaîne de contrôle de plus haut niveau une évaluation qualitative ou quantitative de l'état du matériau inspecté (état sain, endommagé, dimensionnement, criticité de l'anomalie). L'institut CEA LIST est reconnu internationalement comme un acteur majeur de recherche dans le domaine du contrôle. Il développe la plateforme CIVA [2], qui est reconnue comme l'un des principaux logiciels de simulation multi-physique du domaine. Une modélisation fiable et précise des phénomènes physiques mis en jeu dans la mesure non destructive est un atout important dans une démarche de caractérisation des indications contenues dans le signal expérimental [3]. Cependant, elle ne tient pas compte des perturbations et de la variabilité des entrées caractéristiques de toute expérience de mesure, c'est pourquoi on peut par exemple facilement distinguer un signal simulé « parfait » d'une acquisition expérimentale. Le sujet de thèse proposé vise à développer une solution permettant de réduire l'écart entre signaux simulés et expérimentaux, en augmentant la simulation avec une contribution supplémentaire que l'on peut qualifier de « bruit » et qui représente tout ce qui n'est pas le signal physique déterministe régi par le jeu d'équations physiques correspondant à la mesure étudiée (ultrasons, électromagnétisme). La stratégie pour calculer cette contribution consiste à appliquer des méthodes d'apprentissage à un jeu de données expérimental représentatif, ou a entraîner un réseau de neurones à dissocier dans des acquisitions réelles le contenu (les signatures de défauts) du style (le reste, qui n'est pas simulé). Par la suite cette simulation augmentée sera utilisée dans des processus d'analyse de sensibilité, de gestion des incertitudes et de diagnostic automatique développés au CEA LIST. Elle permettra d'obtenir une meilleure adéquation entre la simulation et l'expérience, ainsi que la prise en compte de potentielles dérives cas-dépendantes dues à un environnement particulier. RÉFÉRENCES [1] http://ec.europa.eu/research/participants/portal/desktop/en/opportunities/h2020/topics/dt-fof-08-2019.html [2] www.extende.com [3] M. Salucci et al., "Real-Time NDT-NDE Through an Innovative Adaptive Partial Least Squares SVR Inversion Approach," in IEEE Transactions on Geoscience and Remote Sensing, vol. 54, no. 11, pp. 6818-6832, Nov. 2016.

Analyses de logiciels pour la sécurité : combiner déduction et apprentissage

Département Ingénierie Logiciels et Systèmes (LIST)

Laboratoire pour la Sûreté du Logiciel

M2 informatique, expérience claire de recherche (stages)

01-10-2019

SL-DRT-19-0658

sebastien.bardin@cea.fr

Le but général de ce sujet de thèse est de comprendre comment les méthodes déductives de raisonnement automatique (développées typiquement en analyse de programme) peuvent se combiner aux méthodes inductives d'apprentissage automatique (développées en Intelligence Artificielle), afin d'aboutir à des méthodes automatique d'analyse de code capables d'inférer de manière précise et prouvée le comportement de (morceaux de) programmes, puis d'appliquer ces résultats à des problèmes de sécurité logicielle, comme la rétro-ingénierie ou le renforcement de code. Nous étudierons plus particulièrement l'apprentissage symbolique (acquisition de contraintes) et les méthodes déductives de type exécution symbolique et solveurs SMT.

Le Sélecteur Backend: du développement du matériau jusqu'aux performances du dispositif

Département Composants Silicium (LETI)

Laboratoire de Composants Mémoires

M2 ou ingénieur en micro nano-electronique

01-10-2019

SL-DRT-19-0659

gabriele.navarro@cea.fr

La montée en maturité des technologies de mémoire résistives non-volatiles NVRM (comme les mémoires à changement de phase PCM) à la fois pour les application Storage Class Memory (SCM) et embarquées a démontrée dans les dernières années la nécessité de développer des dispositifs de sélection « backend » pour remplacer la sélection par transistor. Cette technologie permet l'empilement de plusieurs niveaux de mémoire en 3D, dans une architecture des type « Crossbar », en augmentant la densité de stockage tout en profitant des performances extraordinaires des dispositifs NVRM. Le LETI est aujourd'hui à l'état de l'art par rapport au développement des matériaux pour l'intégration dans des dispositifs sélecteurs BEOL, notamment pour les OTS (Ovonic Threshold Switching). Dans le cadre de cette thèse des nouveaux matériaux seront explorés pour atteindre les spécifications d'endurance, stabilité en température, tension de seuil et capabilité de mise à l'échelle de plus en plus strictes. Pour cela, la compréhension des phénoménologies liées au fonctionnement de ces dispositifs devient fondamentale. De plus, des nouvelles architectures de co-intégration mémoire+sélecteur seront investiguées pour enfin atteindre l'intégration de ces solutions dans un démonstrateur Crossbar avancé. Le candidat doit de préférence avoir un très bon niveau de connaissance en physique des semi-conducteurs et en science des matériaux. Le candidat sera en contact avec des experts de différents domaines car le travail demandé est multidisciplinaire (matériaux, intégration, caractérisation électrique et physico-chimique, modélisation). En outre, il est demandé un bon esprit d'équipe et une bonne maîtrise de la langue anglaise.

Analyse et modélisation de l'évolution de nouveaux materiaux actifs lors des premiers cycles d'une batterie Li-Ion

Département de l'Electricité et de l'Hydrogène pour les Transports (LITEN)

Laboratoire Modélisation multi-échelle et suivi Performance

M2 ou ecole d'ingénieurs, electrochmie, modelisation

01-10-2019

SL-DRT-19-0664

benoit.mathieu@cea.fr

Dans le cadre de la transition énergétique, le stockage de l'énergie est un enjeu majeur. Il apparait cependant nécessaire d'augmenter la capacité de stockage des batteries et une est l'utilisation du silicium en complément du graphite pour l'électrode négative. Le développement des batteries basées sur ces matériaux est freiné par leur instabilité, liée au gonflement du silicium lors de l'insertion du lithium. Les premiers cycles de fonctionnement apparaissent fondamentaux pour la compréhension du fonctionnement à long terme Ce projet de thèse a pour objectif la compréhension et la modélisation du comportement mécanique de ces nouvelles électrodes. Il repose sur 3 équipes : A Saclay, on synthétisera des matériaux à façon : nanoparticules de silicium, alliages silicium/germanium, coeur@coquille où la coquille sera du carbone. On utilisera aussi comme référence des matériaux de type silicium/graphite commerciaux. Le comportement des matériaux sera étudié à Grenoble à l'aide d'un diffractomètre de laboratoire permettant des analyses in-situ et operando et des grands instruments tels que ESRF ou SOLEIL. Ces mesures fourniront des informations sur la contrainte à l'intérieur du silicium mais aussi sur l'état de lithiation du graphite et permettront la modélisation de l'électrochimie de l'insertion du lithium dans le silicium, notamment la dépendance en temps de l'hystérésis, encore mal comprise. L'objectif de la thèse est de construire un modèle de batterie basé sur la physique qui permette : à partir d'expériences « simples » de mesures de gonflement, de mesures de performances électriques des cellules et de cyclages en début de vie et du modèle numérique, de déduire le comportement mécanique et électrochimique des cellules à l'échelle des grains et des agglomérats ; à partir de ces données, de prédire certaines caractéristiques de vieillissement des cellules à long terme, liées à la mécanique.

Méthodes numériques pour un dispositif de suivi autonome personnalisé des gaz transpirés

Département Microtechnologies pour la Biologie et la Santé (LETI)

Laboratoire Electronique et Systèmes pour la Santé

Traitement du signal; Mathématiques appliquées; Ingénierie biomédicale

01-10-2019

SL-DRT-19-0669

pierre.grangeat@cea.fr

Les maladies respiratoires affectent les échanges gazeux entre le sang et l'air expiré, et donc la concentration des biomarqueurs dans le sang. La mesure des gaz transpirés permet de suivre en continue la concentration de certains composés volatils du sang, notamment le dioxyde de carbone. Le laboratoire LS2P (Systèmes Portés par la Personne) développe un système innovant reposant la mesure optique infrarouge de la pression du gaz carbonique transcutané (PtCO2) produit par diffusion à travers la peau. L'objectif de cette thèse est d'étudier des méthodes numériques de traitement du signal pour améliorer l'autonomie de ces dispositifs et permettre un suivi personnalisé à domicile des patients. Ceci nécessite en particulier d'étudier une nouvelle génération de systèmes autonomes reposant sur des techniques d'auto-conscience (self-awareness) par fusion de modèles optiques et fluidiques. Les travaux de recherche comporteront la construction d'un modèle numérique du dispositif et de son interaction avec l'organisme humain, le développement d'un logiciel de simulation associé, l'étude de méthodes statistiques de traitement du signal et d'algorithmes d'échantillonnage compressif. Le candidat recherché relèvera des domaines du traitement du signal, des mathématiques appliquées ou de l'ingénierie biomédicale.

Nanorésonateurs optomécaniques en silicium pour la détection de brins d'ADN

Département Composants Silicium (LETI)

Laboratoire Composants Micro-Capteurs

Master nanotechnologies ou physique générale, optique ou biotechnologies

01-10-2019

SL-DRT-19-0670

thomas.alava@cea.fr

Le laboratoire capteur MEMS du CEA LETI possède une expertise très forte et une reconnaissance internationale dans le domaine des MEMS/NEMS résonants et plus récemment dans les nanorésonateurs optomécaniques. Par ailleurs, le marché du séquençage ADN est en pleine explosion et représente des volumes de marchés impressionnants pour des dispositifs bio-médicaux issus des micro et nanotechnologies. La dernière génération de séquenceurs ayant dominé le marché est basée sur des méthodes de fluorescence. La nécessité de passer par une lecture optique est un verrou pour une plus grande vitesse et miniaturisation. Parmi différentes voies investiguées pour des capteurs en milieu liquide, le groupe NEMS du LETI a récemment réalisé une première mondiale: une détection biologique avec un nanorésonateur optomécanique immergé en milieu liquide. Outre des performances de détection hors du commun, cette technique permet de confiner la lumière et potentiellement de simplifier le traitement de séquences optiques. Le doctorant s'appuiera sur ces compétences pour étudier la reconnaissance des paires d'ADN par une détection multi-paramétrique: gravimétrique (mesure de masse par fonctionnalisation classique), ainsi qu'optique. Le doctorant étudiera la possibilité de monitorer en temps réel et au niveau brin d'ADN unitaire l'amplification d'une séquence d'ADN par PCR pour la meilleure adéquation possible aux contraintes d'analyse sur le terrain: portabilité, réduction drastique du temps d'analyse, de la quantité d'échantillon à analyser et donc de la quantité de réactifs. Après avoir étudié la meilleure technique de lecture pour des applications de type séquençage, il s'agira de concevoir les dispositifs, de participer à leur fabrication et de réaliser une preuve de concept expérimentale.

62 (Page 10 sur 11)
first   previous  7 - 8 - 9 - 10 - 11  next   last
-->

Voir toutes nos offres