Pause
Lecture
Moteur de recherche d'offres d'emploi CEA

Spectrométrie et Intelligence Artificielle : développement de modèles IA explicables, sobres et fiables


Détail de l'offre

Informations générales

Entité de rattachement

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.

Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :

• La conscience des responsabilités
• La coopération
• La curiosité
  

Référence

SL-DRF-25-0414  

Direction

DRF

Description du sujet de thèse

Domaine

Physique de l'état condensé, chimie et nanosciences

Sujets de thèse

Spectrométrie et Intelligence Artificielle : développement de modèles IA explicables, sobres et fiables pour l'analyse de matériaux

Contrat

Thèse

Description de l'offre

La découverte de nouveaux matériaux est cruciale pour répondre à de nombreux défis sociétaux actuels. Un des piliers de cette capacité de découverte et de disposer de moyens de caractérisation de ces matériaux qui soient rapides, fiables et dont les incertitudes de mesure soient qualifiées, voire quantifiées.

Ce projet de thèse s’inscrit dans cette démarche et vise à l'exploitation optimale des différentes techniques de spectrométrie induite par faisceaux d'ions (IBA) en utilisant des méthodes d'intelligence artificielle (IA) avancées. Ce projet se donne pour cadre le développement de modèles IA explicables, sobres et fiables pour l'analyse de matériaux.

Le sujet de thèse proposé ici se donne trois objectifs principaux :
- Développer un modèle d'incertitude utilisant des techniques d’apprentissage automatique sur des bases probabilistes pour quantifier les incertitudes associées à une prédiction.
- Du fait du très grand nombre de configurations qu'il est possible de générer par analyse combinatoire, Il convient de bien comprendre la dimensionnalité intrinsèque du problème. Nous souhaitons mettre en place des moyens de réduction massive de dimensionnalité, notamment des méthodes non linéaires telles que les autoencodeurs, ainsi que des concepts de PIML (Physics Informed Machine Learning).
- Évaluer la possibilité de généralisation de cette méthodologie à d’autres techniques spectroscopiques.

Université / école doctorale

Sciences Chimiques: Molécules, Matériaux, Instrumentation et Biosystèmes (2MIB)
Paris-Saclay

Localisation du sujet de thèse

Site

Saclay

Critères candidat

Formation recommandée

Master scientifique (Physique, Chimie) ou en Sciences des données

Demandeur

Disponibilité du poste

01/10/2025

Personne à contacter par le candidat

KHODJA Hicham hicham.khodja@cea.fr
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)
01 69 08 28 95

Tuteur / Responsable de thèse

KHODJA Hicham hicham.khodja@cea.fr
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)
01 69 08 28 95

En savoir plus

https://iramis.cea.fr/nimbe/leel/pisp/hicham-khodja/
https://iramis.cea.fr/en/nimbe/leel/