CDD Ingénieur·e de Recherche en Développement de Méthodes d'IA H/F CEA

La technologie de la spectrométrie d'émission atomique de plasma induit par laser ("Laser Induced Breakdown Spectroscopy", ou LIBS) utilise la radiation issue du refroidissement d'un plasma chaud créé à travers des tirs laser pour analyser qualitativement et quantitativement la surface d'un échantillon.

Captée par des spectromètres, elle permet de traduire les zone vaporisées par le laser en spectres d'émission (intensité de signal en fonction de la longueur d'onde d'émission des photons) portant une information sur la composition chimique de l'échantillon.

Pour certaines instrumentations, ces spectres sont le résultat d'un processus de traitement fait par des logiciels embarqués qui traduisent une information beaucoup plus riche et complète. C'est notamment le cas des spectromètres "Échelle" qui reposent sur la décomposition de la lumière en plusieurs directions : l'information récoltée par ces instruments est donc plutôt assimilable à une image pour chaque tir de laser. Ces images contiennent une redondance intrinsèque de l'information qui est d'habitude réduite à des simples spectres de façon transparente pour l'utilisateur. Une exploitation correcte de cette information brute permettrait de s'appuyer sur cette richesse d'informations pour améliorer les performances de détection, aussi bien qu'une analyse approfondie de la reproductibilité et de la qualité de la mesure (p. ex. à travers une quantification correcte des incertitudes statistiques).

Dans le cadre du projet, nous proposons d'analyser les données brutes issues des spectromètres Échelle pour des expériences de spectrométrie LIBS à travers l'utilisation de techniques d'IA pour l'analyse d'image.

Au vu des avancées récentes des techniques d'apprentissage automatique, nous souhaitons explorer différentes architectures permettant l'extraction d'une information spectroscopique fiable, p. ex. à travers des méthodes de calibrage par modèles d'IA adaptés pour les analyses quantitatives LIBS, ou encore en améliorant la performance des techniques d'amélioration de la qualité d'image en utilisant des architectures dédiées telles que les modèles de diffusion et débruitage. D'un point de vue pratique, le projet portera aussi sur l'organisation, la caractérisation et la mise à disposition d'un ou plusieurs jeux de données d'images de capteurs "Échelle", nécessaire(s) pour l'entraînement des modèles.