Thèse Enact - IA Frugale sur Matériel Analogique Reconfigurable pour l'Imagerie Scientifique et le Contrôle Non Destructif H/F

Université de Lorraine

Établissement : Université de Lorraine
École doctorale : C2MP - CHIMIE MECANIQUE MATERIAUX PHYSIQUE
Laboratoire de recherche : Georgia Tech-Lorraine
Direction de la thèse : Alexandre LOCQUET ORCID 0000000266744956
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-04-23T23:59:59

Cette thèse vise à développer une IA frugale sur matériel analogique reconfigurable pour l'imagerie scientifique et le contrôle non destructif. L'idée centrale est d'exploiter des dynamiques analogiques continues, sur Field-Programmable Analog Arrays (FPAAs), pour résoudre à très faible coût énergétique des problèmes inverses aujourd'hui traités par optimisation numérique itérative ou par réseaux neuronaux gourmands en calcul. Le projet se concentrera sur des signaux térahertz (THz) issus de structures multicouches, où l'information utile est encodée dans des réponses impulsionnelles bruitées et fortement superposées. Trois cas d'étude guideront la thèse : (i) déconvolution parcimonieuse pour localiser des interfaces sous la résolution nominale, (ii) reconstruction stratigraphique multicouche sous contraintes physiques, et (iii) cartographie locale d'épaisseur de revêtements ou de couches minces sur régions d'intérêt. Pour chacun de ces problèmes, on construira une fonction d'énergie intégrant modèle direct, fidélité aux données, parcimonie et contraintes physiques ; cette fonction sera ensuite implémentée sous forme de dynamique analogique sur FPAA, avec une boucle hybride analogique-numérique pour la calibration, le pilotage et l'estimation d'incertitude. Le doctorant travaillera à l'interface entre IA frugale, problèmes inverses, traitement du signal, électronique analogique reconfigurable et imagerie THz. La thèse se déroulera en cotutelle entre l'IRL 2958 Georgia Tech-CNRS (Metz) et le Georgia Institute of Technology, avec des interactions fortes avec l'Institut Jean Lamour pour le versant FPGA/architectures hybrides. Les résultats attendus sont à la fois méthodologiques et expérimentaux : nouveaux solveurs analogiques guidés par la physique, démonstrations sur données réelles d'imagerie scientifique, et comparaison rigoureuse avec des références CPU/GPU/FPGA en précision, temps de calcul et énergie par résolution. Le projet offre ainsi une formation rare, très internationale, mêlant physique, calcul, instrumentation et validation expérimentale.

Ce projet s'inscrit dans l'AI Cluster ENACT, dans l'ANR PRC AATLAS et dans les activités de l'IRL 2958 Georgia Tech-CNRS à Metz. Il est au croisement de l'IA frugale, du calcul analogique reconfigurable, des problèmes inverses et de l'imagerie THz pour le contrôle non destructif. L'équipe d'accueil dispose d'une expertise reconnue en imagerie THz, dynamique non linéaire et calcul physique, portée notamment par Alexandre Locquet, directeur de thèse HDR, coordinateur de l'ANR AATLAS et du réseau doctoral européen UNVEIL. La thèse sera menée en cotutelle avec le Georgia Institute of Technology, sous l'impulsion scientifique de Jennifer Hasler, pionnière des FPAAs et du calcul analogique reconfigurable, avec un ancrage lorrain renforcé par des interactions avec l'Institut Jean Lamour sur les architectures hybrides FPAA-FPGA. Le verrou scientifique principal est le suivant : comment résoudre rapidement, de façon robuste et à faible coût énergétique, des problèmes inverses issus de mesures scientifiques bruitées et indirectes, alors que les approches numériques classiques restent coûteuses en calcul et en énergie ?

Concevoir des solveurs analogiques frugaux pour trois familles de problèmes inverses en imagerie THz ; développer une chaîne hybride analogique-numérique pour la calibration, le pilotage et les indicateurs d'incertitude ; établir des benchmarks rigoureux face à des références CPU/GPU/FPGA en précision, temps de calcul et énergie ; produire des démonstrations transférables vers l'imagerie scientifique et le contrôle non destructif.

Le travail combinera modélisation physique, traitement du signal, électronique analogique reconfigurable et validation expérimentale. À partir du modèle direct des mesures THz, le doctorant formulera des fonctions d'énergie intégrant fidélité aux données, parcimonie et contraintes physiques. Ces fonctions seront implémentées sur FPAA, puis couplées à un pilotage numérique léger pour la calibration, la convergence et l'estimation d'incertitude. Les développements seront évalués sur données synthétiques et réelles, puis comparés à des baselines optimisées CPU/GPU/FPGA.