Pause
Lecture
Moteur de recherche d'offres d'emploi CEA

POST-DOC Intelligence artificielle pour enrichir la simulation de contrôles ultrasonores H/F


Détail de l'offre

Informations générales

Entité de rattachement

Le Commissariat à l'énergie atomique et aux énergies alternatives (CEA) est un organisme public de recherche.

Acteur majeur de la recherche, du développement et de l'innovation, le CEA intervient dans le cadre de ses quatre missions :
. la défense et la sécurité
. l'énergie nucléaire (fission et fusion)
. la recherche technologique pour l'industrie
. la recherche fondamentale (sciences de la matière et sciences de la vie).

Avec ses 16000 salariés -techniciens, ingénieurs, chercheurs, et personnel en soutien à la recherche- le CEA participe à de nombreux projets de collaboration aux côtés de ses partenaires académiques et industriels.  

Référence

2022-22368  

Description de l'unité

Le Département Imagerie et Simulation pour le Contrôle, est un acteur majeur de la Recherche et du Développement en Contrôle Non Destructif (CND). Les principaux axes de développement du service sont la modélisation des contrôles, le traitement et la reconstruction de données, et le développement de capteurs et de méthodes innovantes pour les contrôles Ultrasons, Courant de Foucault, thermographie infrarouge, tomographie X.

Description du poste

Domaine

Mathématiques, information  scientifique, logiciel

Contrat

Post-doctorat

Intitulé de l'offre

POST-DOC Intelligence artificielle pour enrichir la simulation de contrôles ultrasonores H/F

Sujet de stage

Intelligence artificielle pour enrichir la simulation de contrôle non destructif par ondes ultrasonores

Durée du contrat (en mois)

12 mois (renouvellement possible)

Description de l'offre

Le CEA-LIST développe la plateforme logicielle CIVA, référence de la simulation des procédés de contrôle non destructif. Elle propose notamment des outils pour l’inspection ultrasonore (US) qui est une technique largement déployée dans l’industrie, en particulier dans les domaines de l’énergie et des transports. Le module d’inspection US de CIVA aide au design de nouveaux procédés comme à l’analyse et à la démonstration de performance de procédé existants. Il est fondé sur diverses méthodes de calculs semi-analytiques (tracé de rayons, Kirchhoff) ou numériques (éléments finis) pour modéliser la propagation et la diffraction des ondes. Les méthodes d’apprentissage automatique et d’intelligence artificielle permettent aujourd’hui d’envisager de nouvelles approches de simulation. Le travail proposé ici repose sur le principe de l’apprentissage multi-fidélité. Il s’agira d’entrainer un algorithme à partir de données issues pour partie d’une simulation rapide approchée, et pour le reste d’une simulation plus coûteuse en temps et en ressources, mais précise. L’algorithme obtenu sera alors capable d’améliorer d’augmenter ou de recaler des résultats du modèle rapide en les rendant plus proches de ceux produits par le modèle précis.

Le cas d’application visé est la simulation de l’interaction d’ondes ultrasonores avec des microstructures métalliques. Dans certains cas, ces interactions sont à l’origine d’une atténuation des ondes et de l’apparition d’un bruit qui dégradent les performances de contrôle. La modélisation de ces phénomènes présente un grand intérêt mais est particulièrement complexe. Ces microstructures sont généralement représentées comme des assemblages de cristaux.

L’approximation de Born permet d’exprimer les champs diffusés comme des sommes de contributions indépendantes. Cela permet des calculs relativement rapides mais souvent imprécis, notamment car ils négligent les contributions de diffusion multiple. La simulation par éléments finis, plus coûteuse en temps de calcul, permet d’obtenir des résultats plus précis et complets. Le CEA-LIST dispose de codes de simulations basés sur l’approximation de Born et de codes éléments finis.

Le travail proposé consistera à générer des signaux ultrasonores avec les deux approches, à microstructure et à conditions de contrôles égales, et à évaluer les capacités de différents algorithmes à établir un lien entre les résultats des deux simulations. Des méthodes d’apprentissage supervisé et semi-supervisé seront considérées. En fonction des résultats obtenus, l’approche développée pourra être appliquée à d’autres problèmes : amélioration d’autres types de simulations à l’aide de données de simulation plus précises ou à l’aide de mesures expérimentales.

Ce travail sera réalisé au sein d’une équipe de modélisation en contrôle non destructif, en lien direct avec un spécialiste de modélisation ultrasonore et un spécialiste des applications de l’intelligence artificielle à ce domaine.

 

#IALIST

Moyens / Méthodes / Logiciels

Programmation Python

Profil du candidat

Docteur en modélisation des ondes (idéalement acoustiques) spécialisé en traitement de données ou intelligence artificielle, ou l’inverse.

Localisation du poste

Site

Saclay

Localisation du poste

France, Ile-de-France, Essonne (91)

Ville

Gif-sur-Yvette

Demandeur

Disponibilité du poste

01/09/2022