En utilisant ce site, vous acceptez que les cookies soient utilisés à des fins d'analyse et de pertinence     Oui, j'accepte  Non, je souhaite en savoir plus

Pendant cette période de confinement, l’INSTN maintient autant que possible les formations prévues dans les semaines à venir en distanciel ou en présentiel pour les enseignements pratiques. Pour nous contacter, veuillez privilégier le mail. Protocole sanitaire

Sujets de thèse
Filtrer par critères

DRF : Sujet de thèse SL-DRF-21-0448

DOMAINE DE RECHERCHE
Data intelligence dont Intelligence Artificielle / Défis technologiques
INTITULÉ DU SUJET Français English

Machine learning avancé pour les spectroscopies d’analyse par faisceaux d’ions

RÉSUMÉ DU SUJET

Les spectroscopies par IBA (Ion Beam Analysis) permettent d'obtenir des cartographies chimiques quantitatives complètes (dont certains isotopes d'éléments légers) d'échantillons, sans avoir généralement recours à des références. Elles peuvent être résolues en profondeur, et lorsque ces techniques sont produites à l'aide d'un microfaisceau, on peut accéder à une imagerie chimique quantitative en 3 dimensions. Les domaines d'application sont variés, avec une prédominance des sciences des matériaux, parfois en mode operando.

Le traitement de ces données repose aujourd'hui sur l'ajustement des spectres produits par la simulation, chaque technique faisant appel à des champs distincts de la physique. Ce traitement est coûteux en temps, et l'on peut faire face à des situations où des données d'entrée des simulations sont manquantes.

Une autre approche s'appuyant sur l'apprentissage automatique à partir de données simulées est envisageable, mais les premières explorations reportées dans la littérature se sont limitées à des situations simples, monotechniques. Aujourd'hui de nouvelles architectures d'apprentissage sont disponibles et permettent d’entrevoir l'amélioration significative des temps de calcul comparés à ceux des outils d'ajustement des spectres expérimentaux, et ce par l'établissement de modèles prédictifs robustes.

La thèse proposée consistera à étudier et déterminer l'architecture d'apprentissage la plus adaptée, en particulier pour la discrimination et la prise en compte des signaux de faibles intensités, et à enrichir à partir de modèles génératifs les dictionnaires de spectres et les bases de données fondamentales nécessaires à la simulation.

FORMATION NIVEAU MASTER RECOMMANDÉ

Ecole d'ingénieur ou Master physique

INFORMATIONS PRATIQUES
Institut rayonnement et matière de Saclay
Service Nanosciences et Innovation pour les Materiaux, la Biomédecine et l’Energie
Laboratoire d’étude des éléments légers
Centre : Saclay
Date souhaitée pour le début de la thèse : 01/10/2020
PERSONNE À CONTACTER PAR LE CANDIDAT

Hicham KHODJA  

CEA
DRF/IRAMIS/NIMBE/LEEL
Hicham Khodja
Laboratoire d’Études des Éléments Légers
DRF/IRAMIS/NIMBE/LEEL & UMR 3685 CEA-CNRS
Point courrier 127
CEA-Saclay
91191 Gif sur Yvette
France
0169086923 (fax)

Téléphone : +33 1 69 08 28 95

UNIVERSITÉ / ÉCOLE DOCTORALE
Paris-Saclay
Sciences Chimiques: Molécules, Matériaux, Instrumentation et Biosystèmes (2MIB)
DIRECTEUR DE THÈSE

Hicham KHODJA

CEA
DRF/IRAMIS/NIMBE/LEEL
Hicham Khodja
Laboratoire d’Études des Éléments Légers
DRF/IRAMIS/NIMBE/LEEL & UMR 3685 CEA-CNRS
Point courrier 127
CEA-Saclay
91191 Gif sur Yvette
France
0169086923 (fax)