Transfert de connaissances vers l'industrie
Département Systèmes (LETI)
Laboratoire Architectures Intégrées Radiofréquences
PhD 3D integration, RF systems, circuit design
01-05-2021
PsD-DRT-21-0081
Réseaux de communication, internet des objets, radiofréquences et antennes (.pdf)
Pour être capable d'augmenter d'optimiser au mieux les systèmes de transmission sans fil basées sur une hybridation des technologies, il est stratégique d'être en mesure d'évaluer rapidement les capacités de ces technologies et d'adapter au mieux l'architecture associée. Dans ce but, il est nécessaire de mettre en place de nouvelles approches de gestion globale de la consommation et d'optimisation. Le travail de ce contrat post-doctoral se situe donc à ce niveau. Il s'agira tout d'abord de développer des modèles de consommation des blocs des chaines de transmission radiofréquence (LNA, Mixe, Filtre, PA, ?). Ce travail se fera en lien avec le projet Beyond5. Dans ce but, il sera nécessaire de maitriser les concepts de base de la conception de ces blocs. Dans un deuxième temps, il faudra relier les performances du système de transmission complet avec les performances des blocs élémentaires. On pourra alors ensuite mettre en ?uvre l'optimisation de la répartition de la consommation entre les différents blocs de la chaîne grâce à une approche originale. Une méthodologie d'évaluation spécifique à la 3D sera aussi mise en place.
Département Intelligence Ambiante et Systèmes Interactifs (LIST)
Laboratoire Vision et Apprentissage pour l'analyse de scènes
Thèse en Robotique et/ou Apprentissage par Renforcement
01-09-2020
PsD-DRT-20-0082
Usine du futur dont robotique et contrôle non destructif (.pdf)
La manipulation et l'assemblage robotique de haute précision pour saisir ou construire des objets est un enjeu majeur pour l'industrie. Cependant, la flexibilité et l'agilité des systèmes actuels sont encore trop limitées pour répondre efficacement aux besoins d'adaptation rapide à un nouvel environnement ou à une nouvelle production. L'objectif de ce post-doc est de lever ce verrou en développant un outil qui permet de réaliser des tâches industrielles d'insertion fine de haute précision en se basant sur un apprentissage par renforcement basé sur le transfert sim2real. Pour fixer le cadre, nous nous limitons dans cette étude aux tâches d'assemblage de produits industriels à partir de pièces dont on dispose de la CAO. On commencera par le World Robot Challenge avant de proposer une généralisation vers d'autre types de tâches d'assemblage proposées par des industriels automobiles et aéronautiques avec qui le CEA-LIST collabore actuellement.
Département Métrologie Instrumentation et Information (LIST)
Laboratoire Capteurs Fibres Optiques
Thèse en physique, instrumentation optique, systèmes embarqués de mesures optiques
01-07-2021
PsD-DRT-21-0085
Usine du futur dont robotique et contrôle non destructif (.pdf)
En lien avec les personnes responsables du projet dans les laboratoires LCFO (DRT Saclay) et LMES (DAM Cesta), le/la post-doctorant(e) participera au développement du système d'interrogation embarqué, tant du point de vue système que du point de vue algorithmique, ainsi qu'à la mise au point de l'essai des capteurs à fibres optiques sur l'installation SPRITE de la DAM. Il/elle sera également en relation avec le laboratoire LRP (DAM Le Ripault) afin de participer à des essais d'intégration de fibres au sein de céramiques projetées par plasma. Il/elle réalisera des mesures de la qualité spectrale du capteur intégré et s'attachera à analyser ces spectres une fois l'intégration réalisée mais également au cours de celle-ci. La personne recrutée sera basée essentiellement sur le site de Saclay mais sera amenée à effectuer des déplacements professionnels pour une durée de quelques jours sur les sites du CEA Cesta et du CEA Le Ripault afin de mettre en place et réaliser les expérimentations. Des compétences en optique, instrumentation, systèmes embarqués et algorithmique sont demandées.
Département des Plateformes Technologiques (LETI)
Laboratoire Analyses de Surfaces et Interfaces
Proper background in solid-state physics is essential. Basic knowledge about scanning probe microscopy or/and luminescence techniques is not mandatory but will be appreciated.
01-06-2021
PsD-DRT-21-0088
Nano-caractérisation avancée (.pdf)
Durant ce contrat postdoctoral, l'étudiant sera impliqué dans le développement de techniques de caractérisation innovantes. Le travail consistera en: (1) La corrélation des cartographies CL et KPFM sur différents types de matériaux (GaN, InGaN) pour identifier l'impact de différents défauts (dislocation, V-pits, ?) sur les signaux mesurés. Développement d'un protocole d'analyse fiable pour comparer CL et KPFM, (2) La mise ne place d'un protocole de préparation d'échantillon afin de localiser les zones d'intérêt. Cette étape permettra de réaliser les cartographies CL et KPFM au même endroit et permettra l'analyse comparative des recombinaisons radiatives et non radiatives des défauts. (3) Le système KPFM pompe-sonde sera testé afin d'estimer le temps de vie des processus non radiatifs Le candidat doit être fortement motivé pour apprendre et maitriser les outils de caractérisation sous ultravide et l'analyse de donnée. Ce projet, avec une forte composante transverse, lui permettra de travailler en étroite collaboration avec nos partenaires académiques et industriels, à communiquer en langue anglaise au quotidien, et à être fortement impliqué dans les aspects de publication et de propriété intellectuelle . De bonnes compétences en physique des semiconducteurs sont essentielles. Des connaissances de base en microscopie en champ proche et/ou luminescence ne sont pas indispensables mais seront fortement appréciées.
Département Métrologie Instrumentation et Information (LIST)
Laboratoire Intelligence Artificielle et Apprentissage Automatique
Thèse (PhD) en apprentissage automatique
01-09-2021
PsD-DRT-21-0091
Data intelligence dont Intelligence Artificielle (.pdf)
Le sujet proposé s'inscrit dans le cadre du projet FANTASTYC (projet Carnot interne CEA) qui rassemble des chercheurs en IA sur la technologie distribuée, la confidentialité et l'apprentissage automatique dans le but de développer des logiciels pour un apprentissage fédéré décentralisé, respectueux de la vie privée et résilient. Plus en détail, le premier objectif est d'envisager une version entièrement décentralisée de l'apprentissage fédéré, en remplaçant la communication avec le serveur par une communication peer-to-peer entre des clients individuels sur un certain graphe de communication. Ce faisant, le postdoctorant devra relever certains des défis ouverts imposés par le passage à l'apprentissage décentralisé, notamment : (1) la conception, la spécification et la mise en ?uvre de protocoles d'apprentissage décentralisé tenant compte des ressources de communication et calcul ; et (2) l'optimisation du compromis entre les modèles génériques et les modèles personnalisés en fonction des disparités observées entre les distributions des données disponibles pour les différents clients (par exemple, utiliser des modèles différents selon les groupes de participants). Un autre axe de travail consistera à étudier la robustesse de l'apprentissage fédéré distribué face à la présence de participants malveillants (i.e. attaques byzantines)
DPLOIRE (CTReg)
Autre DPLOIRE
Thèse en informatique / robotique
01-06-2021
PsD-DRT-21-0092
Usine du futur dont robotique et contrôle non destructif (.pdf)
Ce post-doc a pour objectif d'établir par des méthodes d'intelligence artificielle (e.g. traitement du signal sur graphe), la cartographie d'une tâche industrielle réalisée par un opérateur humain, et acquises par des capteurs visuels, dans le but d'être interprétable et exploitable par un robot. Il s'inscrit dans un projet visant à concevoir un démonstrateur dans lequel un robot apprendra à reproduire par observation une tâche réalisée par un humain. La plateforme a été déployée au CEA Tech et est exploitée actuellement par un ingénieur. L'objectif de ce post-doc consiste principalement à étudier et mettre au point un ensemble de méthodes permettant de construire une cartographie entre les actions réalisées par un opérateur humain et perçues au travers de capteurs visuels et les actions réalisées par le robot. Ces méthodes et les travaux des thèses afférentes devront ensuite être implémentées dans le démonstrateur afin de les tester expérimentalement. De par le positionnement central du sujet de ce post-doc, sous le triple encadrement des équipes PACCE et IPI du LS2N et du CEA, vous serez amené à collaborer étroitement avec les deux doctorants déjà impliqué dans le projet. Vous devrez conceptualiser et formaliser les méthodes et représentations d'une part en synthétisant la littérature existante sur le sujet et d'autre part en établissant un cadre commun englobant les deux travaux de thèses.
