Stage - Ingénieur Ingénierie de Surface - IA H/F Cetim

Les propriétés fonctionnelles des surfaces (anti-adhérence, tribologie, ...) jouent un rôle clé dans de nombreuses applications industrielles. Ces fonctions résultent de mécanismes physicochimiques complexes gouvernés, entre autres, par la chimie de surface et la topographie à différentes échelles. Malgré de nombreux travaux expérimentaux, les relations entre ces caractéristiques et des grandeurs fondamentales comme l'énergie de surface restent difficiles à formaliser, en raison de leur caractère non linéaire et multiéchelle.

Dans ce contexte, l'intelligence artificielle offre des perspectives nouvelles pour analyser des données expérimentales hétérogènes, extraire des corrélations pertinentes et développer des modèles prédictifs intégrant des connaissances physiques.

Ce stage s'inscrit à l'interface entre physicochimie des surfaces (CETIM) et science des données/machine learning (Laboratoire Hubert Curien, équipe Inria MALICE).

Contexte scientifique et industriel

L'objectif principal du stage est de développer une approche basée sur l'intelligence artificielle pour prédire l'énergie de surface d'une surface solide à partir de sa chimie et de sa topographie. Le travail visera à mieux comprendre les liens entre paramètres de surface mesurables et énergie de surface, tout en jetant les bases d'une ingénierie prédictive des surfaces.

Description missions :

Le ou la stagiaire sera chargé(e) de :

- Analyser et structurer des jeux de données existants comprenant des informations de chimie de surface, de topographie (multiéchelle) et de mesures fonctionnelles liées à l'énergie de surface. Ainsi, qu'éventuellement, acquérir de nouvelles données manquantes.
- Réaliser une étude bibliographique approfondie sur les modèles physicochimiques de l'énergie de surface et les connaissances sur l'impact de la chimie et la topographie sur cette grandeur.
- Explorer et comparer différentes stratégies de représentation des données topographiques, en particulier la conversion des topographies en descripteurs numériques, en images ou en représentations hybrides.
- Établir un état de l'art et une évaluation comparative de différentes méthodes d'IA permettant de répondre à la problématique.
- Identifier et mettre en oeuvre des techniques d'IA pertinentes, incluant des méthodes de machine learning et de deep learning, avec une attention particulière portée aux approches physicsinformed ou hybrides combinant données et connaissances scientifiques.
- Évaluer les performances des modèles développés et analyser leur capacité de généralisation ainsi que leur cohérence physique.

Perspectives

Ce stage constitue une première étape vers un projet de thèse, dont le sujet sera affiné à partir des résultats obtenus, des verrous scientifiques identifiés et des pistes méthodologiques explorées durant le stage. La poursuite en doctorat pourra porter sur l'ingénierie prédictive de surfaces fonctionnelles, combinant intelligence artificielle, modèles physiques et procédés de fonctionnalisation avancés.

Type de contrat : Stage 4 à 6 mois