Thèse Capteurs à Métamatériaux Micro-Ondes pour la Détection Sélective de Polluants Atmosphériques Conception Validation et Intégration Exposomique H/F

Doctorat_Gouv

Établissement : Université de Bordeaux
École doctorale : Sciences Physiques et de l'Ingénieur
Laboratoire de recherche : Laboratoire de l'Intégration du Matériau au Système
Direction de la thèse : Hamida HALLIL ORCID 0000000179756502
Début de la thèse : 2026-10-01
Date limite de candidature : 2026-05-15T23:59:59

DESCRIPTIF DU SUJET DE THÈSE :
La thèse vise à développer un capteur micro-ondes innovant basé sur des métamatériaux, fonctionnalisé chimiquement, pour la détection sélective de composés organiques volatils (COV) et de particules fines (PM.) dans une perspective exposomique appliquée au vieillissement. Le projet s'inscrit dans le cadre des initiatives HEAP et EXPANSE et le programme Grands défis en science de la durabilité (GDSD) de l'Université de Bordeaux, intégré au projet institutionnel Augmented university for Campus and world Transition (ACT) (PIA3, 2020-2028), en lien avec la surveillance environnementale et la santé des populations âgées.
La méthodologie proposée se déroule en trois volets interdépendants : (1) conception et simulation électromagnétique de structures résonantes (SRR, CSRR, patch fractal) dans la bande X/Ku (8-18 GHz) afin d'optimiser la sensibilité aux variations diélectriques induites par l'adsorption de polluants ; (2) réalisation expérimentale et caractérisation des prototypes PCB, intégration de polymères fonctionnels (HBPEI, polyimides) et calibration multi-paramétrique tenant compte des variations de température et d'humidité ; (3) validation environnementale et corrélations exposomiques à partir de mesures comparatives avec les données d'Atmo Nouvelle-Aquitaine et de capteurs physiologiques simples.
Le projet combine des approches innovantes en métamatériaux et chimie fonctionnelle pour obtenir des capteurs compacts, sensibles et sélectifs, avec un traitement avancé des données par statistiques multivariées et Machine Learning (PCA, PLS, SVM, Random Forest) afin de générer une bibliothèque de signatures électromagnétiques pour plusieurs polluants. Les objectifs scientifiques sont de comprendre les interactions polluant-capteur, caractériser les signatures électromagnétiques, corréler les expositions cumulées aux indicateurs de vieillissement et de stress oxydatif, et proposer un dispositif exploitable pour la surveillance exposomique.
Les moyens à disposition incluent les logiciels HFSS, CST, ADS pour la simulation, des analyseurs de réseau vectoriel, des enceintes climatiques pour tests contrôlés, les polymères fonctionnels fournis par le LCPO, et le Fablab de l'Université de Bordeaux pour la fabrication rapide de prototypes. La collaboration avec Gustave Eiffel apporte l'expertise en traitement de données et Machine Learning. Le doctorant acquerra des compétences en modélisation électromagnétique, intégration de matériaux fonctionnels, instrumentation, calibration et analyse intelligente de données.

Le vieillissement de la population et l'impact croissant de la pollution atmosphérique constituent des enjeux majeurs de santé publique. L'exposome permet d'analyser l'ensemble des expositions environnementales au cours de la vie.
Les technologies actuelles de mesure des polluants présentent des limites (coût, stabilité, maintenance). Les capteurs à métamatériaux micro-ondes offrent une alternative prometteuse grâce à leur sensibilité élevée, leur compacité et leur faible coût.
Le projet s'inscrit dans une dynamique internationale (HEAP, EXPANSE) visant à intégrer capteurs, données environnementales et intelligence artificielle.

L'objectif principal est de développer un capteur micro-ondes innovant basé sur des métamatériaux, fonctionnalisé chimiquement, pour la détection sélective des COV et des particules fines (PM.).
Les objectifs spécifiques sont :
Comprendre les interactions polluant-capteur
Caractériser les signatures électromagnétiques
Développer des méthodes de calibration robustes
Mettre en place des modèles de détection multi-polluants
Établir des corrélations entre exposition environnementale et indicateurs physiologiques

Le projet est structuré en trois volets :
Conception et simulation
Modélisation électromagnétique (HFSS, CST)
Optimisation de structures résonantes (SRR, CSRR, patch fractal)
Réalisation expérimentale et calibration
Fabrication de capteurs PCB
Intégration de polymères fonctionnels
Mesures RF (S, S)
Calibration multi-paramétrique (température, humidité)
Validation et analyse des données
Tests environnementaux
Comparaison avec données de référence
Analyse via statistiques multivariées et Machine Learning (PCA, PLS, SVM, Random Forest)