IA générative de confiance pour la conception de convertisseurs de puissance de nouvelle génération, gar

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-DRT-27-0419  

Direction

DRT

Description du sujet de thèse

Domaine

Défis technologiques

Sujets de thèse

IA générative de confiance pour la conception de convertisseurs de puissance de nouvelle génération, garantis en fin de vie : découverte accélérée de topologies et optimisation multicritère intégrant le vieillissement et l'éco-conception

Contrat

Thèse

Description de l'offre

Les convertisseurs de puissance de nouvelle génération à composant grand gap (SIC/GaN) sont au cœur de l'électrification de notre économie, mais leur vieillissement et leur impact environnemental ne sont évalués qu'a posteriori, sur un design figé : d'où des marges de surdimensionnement coûteuses ou, à l'inverse, des designs optimaux qui ne tiennent plus leurs spécifications en fin de vie. Cette thèse vise à lever ce verrou en établissant une boucle de conception basée sur l'IA générative en boucle fermée où la tenue des spécifications en fin de vie et l'impact environnemental par kWh converti deviennent des objectifs de premier rang, au même titre que rendement, volume, masse, CEM et consommation. La méthode couple une génération de topologies contrainte par une ontologie électrotechnique versionnée, des modèles LLM de frontières, une propagation de la dérive multi-composants (R_DS(on) et V_th des GaN, ESR et capacité des condensateurs) jusqu'aux performances système, recalée sur essais accélérés, une évaluation multi-fidélité (substituts physics-informed, outils de simulation), et une optimisation bayésienne multi-objectif sous contraintes en probabilité, intégrant l'impact ACV via une unité fonctionnelle dépendant de la durée de vie prédite. Le travail sera validé expérimentalement sur un prototype de convertisseurs mesuré neuf et vieilli, avec explicabilité des compromis. Il capitalise sur l'infrastructure d'IA générative en local au CEA (Aitinana Studio, en visant des gains mesurables de fiabilité et d'empreinte environnementale, une méthode réutilisable et des données ouvertes.

Université / école doctorale

Electronique, Electrotechnique, Automatique, Traitement du Signal (EEATS)

Université Grenoble Alpes

Localisation du sujet de thèse

Site

Grenoble

Critères candidat

Formation recommandée

ingénieur spécialisé en méthodes IA

Demandeur

Disponibilité du poste

01/11/2027

Personne à contacter par le candidat

HEIRIES Vincent vincent.heiries@cea.fr

CEA

DRT/LETI/DSYS/SSCE

CEA-LETI

MINATEC Campus

17 rue des Martyrs

38054 Grenoble Cedex 9

 

00 33 (0)4 38 78 55 20

Tuteur / Responsable de thèse

HEIRIES Vincent vincent.heiries@cea.fr

CEA

DRT/LETI/DSYS/SSCE

CEA-LETI

MINATEC Campus

17 rue des Martyrs

38054 Grenoble Cedex 9

 

00 33 (0)4 38 78 55 20

En savoir plus

https://www.linkedin.com/in/vincent-heiries/

https://www.leti-cea.fr/cea-tech/leti/Pages/Accueil.aspx

https://orcid.org/0000-0002-6899-1555