Doctorant ou Doctorante en intelligence artificielle pour améliorer les réseaux de capteurs chimio-résistifs MOX (nez électroniques) - CDD 3ans

Présentation de Télécom SudParis :

Télécom SudParis est une grande école publique d'ingénieurs reconnue au meilleur niveau des sciences et technologies du numérique. La qualité de ses formations est basée sur l’excellence scientifique de son corps professoral et une pédagogie mettant l’accent sur les projets d’équipes, l’innovation de rupture et l’entreprenariat. Télécom SudParis compte 1 000 étudiantes et étudiants dont 700 élèves ingénieurs et environ de 150 doctorantes et doctorants. Télécom SudParis fait partie de l’Institut Mines-Télécom, premier groupe d’école d’ingénieurs en France, et partage son campus avec Institut Mines-Télécom Business School. Télécom SudParis est co- fondatrice de l'Institut Polytechnique de Paris (IP Paris), Institut de Sciences et Technologies à vocation mondiale avec l’École polytechnique, l’ENSTA Paris, l’ENSAE Paris, l'ENPC et Télécom Paris. Vidéo présentation de Télécom SudParis

À propos de l'Institut Mines-Télécom :

L'Institut Mines-Télécom (IMT) est un établissement public dédié à l'enseignement supérieur et la recherche pour l'innovation dans les domaines de l'ingénierie et du numérique. À l’écoute permanente du monde économique, l'IMT conjugue une forte légitimité académique et scientifique, une proximité avec les entreprises et un positionnement unique sur les transformations majeures au XXIe siècle : numériques, énergétiques, industrielles et éducatives siècle. Ses activités se déploient au sein des grandes écoles Mines et Télécom sous tutelle du ministre en charge de l’Industrie et des communications électroniques, de deux filiales et de partenaires associés ou sous convention. L'IMT est membre fondateur de l’Alliance Industrie du Futur. Il est doublement labellisé Carnot pour la qualité de sa recherche partenariale.

Vidéo de présentation de l'Institut Mines-Télécom

Missions

L'air et son impact sur la santé publique sont une préoccupation croissante. Bien que certains critères soient établis pour les environnements extérieurs, aucun système précis n'est aujourd'hui déployé dans les environnements intérieurs. La difficulté réside dans la mesure des concentrations de composés organiques volatils (COV) dans l'air intérieur, où différents mélanges de gaz peuvent être présents en même temps, ce qui complique considérablement la situation.

La démocratisation des systèmes de mesure portables basés sur des capteurs représente une opportunité pour appréhender les conséquences de la qualité de l'air sur la santé de l'individu.

Les capteurs de gaz à base d'oxydes métalliques (capteurs MOX) dominent le marché des capteurs de gaz prêts à l'emploi grâce à leur miniaturisation, leur faible coût et leur disponibilité. Cependant ils ne sont ne généralement pas utilisés individuellement pour détecter un gaz spécifique, car ils sont sensibles à de nombreux paramètres, y compris un manque de sensibilité.

La solution étudiée dans la plupart des applications est de regrouper ces capteurs en clusters (parfois appelés nez électroniques) contenant différents modèles de capteurs MOX capables de mesurer diverses espèces de gaz avec différents niveaux de sensibilité. La question se pose de trouver quelle combinaison de capteurs individuels considérer pour obtenir un nez électronique permettant une identification précise des gaz spécifiques d'une application donnée. C'est l'une des préoccupations du projet européen AMUSENS auquel contribuera la présente thèse.

Des études récentes ont mis en évidence plusieurs défis liés à l’utilisation des capteurs MOX en milieu naturel. Parmi ceux-ci figurent leur manque de sensibilité, leur dépendance aux variations de température et d’humidité, ainsi que leur dérive (la variation progressive et imprévisible de leur réponse au fil du temps, même en présence de concentrations identiques).

Bien que certaines solutions aient déjà été proposées pour atténuer ces limitations, la conception de dispositifs multi-capteurs performants (nez électroniques) capables d'identifier avec précision les COV en environnement intérieur reste un défi ouvert.

Présentation du projet AMUSENS

AMUSENS vise à développer un système de capteurs agile pour la détection de gaz nocifs dans des environnements fermés et pour une exposition multiple à différents types de gaz. AMUSENS s'appuie sur les compétences complémentaires de 10 partenaires européens (laboratoires de recherche et académiques, industrie) pour concevoir et développer un tel système. Les domaines de recherche sont multiples : choix et conception de capteurs MOX (Metal Oxide), optimisation de leur choix en conditions réelles à l'aide de méthodes d'intelligence artificielle (IA).

L'IA sera utilisée à la fois pour accélérer le choix des matériaux et pour la fusion de données afin de déterminer des modèles spécifiques pour l'analyse des gaz. Les méthodes d'IA à concevoir et à développer (techniques de traitement de données et d'apprentissage profond) s'appuieront sur des bases de données existantes et sur des bases de données à développer dans le cadre du projet.

Cette thèse se concentre sur les problématiques suivantes :

1) Dans le cadre du projet AMUSENS, nous développerons des algorithmes d'IA permettant d’identifier la combinaison optimale de capteurs MOX pour détecter efficacement des composés organiques volatils (COV) préalablement sélectionnés.

2) Pour surmonter le problème de dérive [Dennler et al.-2022] et d'autres incohérences dans les capteurs MOX lorsqu’ils sont utilisés dans des conditions non contrôlées, une approche envisageable consiste à représenter ces signaux dans des espaces « contextuels » ou sémantiques. Cette idée généralise le concept d'intégration de mots, où des fonctions non linéaires de probabilités conditionnelles sont considérées comme des (pseudo) distances entre des mots, ou tout symbole catégoriel pouvant coexister dans un contexte donné. Par ailleurs, dans les réseaux de neurones artificiels, notamment ceux des architectures de traitement appelées Transformers, les informations contextuelles ambiguës déjà incorporées dans ces espaces peuvent être partiellement supprimées grâce à une approche de transmission de messages connue sous le nom de couches d’ Attention.

3) Une autre préoccupation scientifique concernant les réseaux (clusters) de capteurs MOX est leur capacité à représenter différentes classes de signaux. Lors de nombreuses expérimentations avec des nez électroniques (E-noses) basés sur des capteurs MOX, il a été observé que les signaux semblent couvrir un espace relativement restreint avec 3 ou 4 degrés de liberté, une caractéristique désignée sous le terme de dimension intrinsèque (ID). Cette faible valeur persistante de l’ID devrait être une contrainte pour la classification des composés volatils avec des nez électroniques (E-noses) à base de MOX.

Références:

N. Dennler, S. Rastogi, J. Fonollosa, A. Van Schaik et M. Schmuker, « Drift in a popular metal oxide sensor dataset reveals limitations for gas classification benchmarks » , Sensors and Actuators B: Chemical, vol. 361, p. 131668, 2022.

Activités

Les tâches à réaliser dans le cadre de cette thèse sont les suivantes :

- Effectuer une bibliographie sur le sujet

- Etudier, simuler et développer des algorithmes répondant aux problématiques énoncées dans la rubrique précédente (Missions) qui exploiteront les données existantes et nouvelles produites dans le cadre du projet AMUSENS

- Rédiger des publications pour des conférences et revues dans le domaine

- Réaliser un mémoire de thèse

Requirements

Formation

• Diplôme Bac + 5 ou équivalent
• Diplôme de Mastère Recherche dans les domaines des sciences des données, de l’IA, de la reconnaissance des formes, du traitement du signal et des données ou équivalent
  

Compétences, connaissances et expériences indispensables

• Méthodes d’apprentissage profond
• Traitement de données et méthodes de classification
• Bases en traitement du signal et en électronique embarquée
• Connaissance du domaine des capteurs de gaz MOX très appréciée
• Langages Python, Matlab, C, Unix,….

Compétences, connaissances et expériences souhaitables

• Connaissances souhaitables dans le domaine de la qualité de l’air
• Connaissance des logiciels de librairies scientifiques spécifiques au Machine Learning, Traitements du Signal et des Donnés (Pytorch, KERAS, etc…)

Capacités et aptitudes

• Maitrise de l’anglais (écrit et parlé) et du français (apprécié)
• Travail en équipe
• Qualités d’analyse et rigueur
  
• Capacités à aborder des sujets scientifiques transversaux (IA, traitement du signal et électronique et capteurs MOX)
• Capacités à travailler dans un environnement scientifique international, la thèse s’effectuant dans le cadre d’un projet Européen (projet AMUSENS)

Informations complémentaires et candidature

• Date limite de candidature : 09 Mars 2025
  
• Nature du contrat : CDD 3ans
• Localisation du poste: Evry-Courcouronnes (91) - Déplacements réguliers à prévoir sur le site de Palaiseau (91)
  
• Les postes offerts au recrutement sont ouverts à toutes et tous avec, sur demande, des aménagements pour les candidats en situation de handicap
• Conditions de travail : Télétravail possible, restaurant et cafétéria sur site, accessibilité en transport en commun (avec participation de l'employeur) ou proche des axes routiers, association du personnel et association sportive sur le campus
• Personnes à contacter : Jérôme BOUDY  - jerome.boudy@telecom-sudparis.eu