Thèse Exploration des Plasmas de Fusion par Combinaison de la Spectroscopie et de Lintelligence Artificielle Scientifique H/F

Doctorat.Gouv.Fr

Établissement : Aix Marseille Université École doctorale : Ecole Doctorale Physique et Sciences de la Matière Laboratoire de recherche : PIIM - Physique des Interactions Ioniques et Moléculaires Direction de la thèse : Mohammed KOUBITI Début de la thèse : 2026-10-01 Date limite de candidature : 2026-04-30T23:59:59 Les outils d'intelligence artificielle occupent une place de plus en plus importante dans la science des plasmas [1], et en particulier en physique des plasmas [2-3]. Concernant la spectroscopie des plasmas, il existe plusieurs applications de l'apprentissage automatique (machine-learning), comme la spectroscopie d'émission de faisceau 2D dans le tokamak DIII-D pour l'inférence en temps réel de la dynamique du plasma [4], l'émission de l'hélium neutre dans des dispositifs de plasma linéaire pour prédire les paramètres du plasma à l'aide d'un algorithme de régression (SVM) [5], ou encore des travaux plus récents sur la raie Balmer-beta (Hbeta/Dbeta) dans le tokamak WEST [6].

Etant une méthode non pertrubative, la spectroscopie d'émission est largement utilisée pour le diagnostic des plasmas de fusion magnétique. Plusieurs paramètres peuvent être déterminés, tels que les densités et températures des électrons et des ions du plasma, les densités d'impuretés, ainsi que les températures et concentrations des neutres des isotopes de l'hydrogène. Concernant ces isotopes, la connaissance du rapport isotopique D/(D+T) est d'une grande importance, puisque l'inventaire du tritium est obligatoire dans les dispositifs de fusion magnétique fonctionnant avec des mélanges DT pour des raisons évidentes de sécurité. Afin d'inférer ce rapport isotopique de l'hydrogène, nous avons construit un modèle prédictif basé sur l'application d'algorithmes de réseaux de neurones convolutionnels 1D (1D-CNN) à des spectres théoriques de la raie Balmer Halpha/Dalpha générés pour des températures de neutres et des intensités de champ magnétique typiques des plasmas de bord de tokamak composés de mélanges HD [7].

Dans cette thèse, il est proposé de développer des modèles prédictifs basés sur différentes architectures de réseaux de neurones dans des conditions plus réalistes, en considérant des plasmas composés de mélanges HD, DT ainsi que HDT, mais aussi d'appliquer ces modèles à des spectres expérimentaux provenant de différents tokamaks. Nous envisageons d'explorer des données expérimentales mesurées dans WEST (HD) et JET (DT) dans le cadre de la participation au programme EUROfusion WPTE. Au-delà de leur utilité pour les futurs dispositifs de fusion comme ITER, le développement de modèles prédictifs ne sera pas limité aux spectres Halpha/Dalpha/Talpha, mais étendu à d'autres raies d'émission des isotopes de l'hydrogène ainsi qu'aux spectres d'impuretés, tels que les spectres EUV du tungstène [8], en collaboration avec des spectroscopistes de l'IRFM CEA ou d'autres groupes. Le candidat retenu aura pour mission de développer, tester et valider des programmes informatiques couplant différentes architectures basées sur des réseaux de neurones à divers spectres d'émission. Ces programmes devront être suffisamment généraux pour être étendus à différents diagnostics. Des compétences en Python et en apprentissage automatique / apprentissage profond, ainsi que des connaissances en physique des plasmas de fusion, sont fortement appréciées.

Références
[1] E. Anirudh et al, IEEE Transactions on Plasma Science 51 1750 (2023)
[2] C. M. Samuell et al, Rev. Sci. Instrum. 92 043520 (2021)
[3] B. Dorland, Machine-Learning for Plasma Physics and fusion energy, Journal of Plasma Physics (2022)
[4] L. Malhorta et al, 4th IAEA Technical Meeting on fusion data processing, validation and analysis (2021)
[5] S. Kajita et al, AIP Advances, 10 025225 (2020)
[6] G. Ronchi et al, JQSRT 318 108925 (2024)
[7] N. Saura, M. Koubiti, S. Benkadda, Nucl. Materials Energy, 43 101935 (2025)
[8] N. Saura, R. Guirlet, M. Koubiti et al, Phys. Plasmas 32 083901 (2025) Recherche en amont d'ITER d'intérêt pour la fusion magnétique ainsi que pour d'autres plasmas.