Tailoring intermolecular interactions in methacrylate-based copolymers and nanocomposites: Effect on molecular dynamics and thermal properties

Doctorante : Valentina CAVALLO 

Laboratoire INSA : IMP
Ecole doctorale : ED34 : Matériaux de Lyon

A correlation between the strength of the intermolecular interactions and physical properties has been reported for amorphous polymers. In particular, an increment of thermal conductivity has been associated to the addition of stronger interactions compared with weak van der Walls, i.e. hydrogen and ionic bonds. In this work, an attempt to tailor thermal conductivity in amorphous polymers has been made by engineering intermolecular interactions. Poly(methylmethacrylate) PMMA was used as standard and poly(methylmethacrylate-co-methacrylic acid) (PMMA-co-MAA) copolymers were synthesised by free radical copolymerization in order to introduce inter-chain hydrogen bonds and, after neutralisation, ionic bonds. Copolymers were successfully obtained up to 30%wt of MAA and characterized. Also, different comonomers were used to evaluate the impact of a flexible unit bringing H-bonds, 2-hydroxyethylmethacrylate (HEMA) or 2-carboxyethylacrylate (CEA). Thermal conductivity slightly increased increasing MAA and HEMA content, while for CEA copolymers the presence of defects prevented the measurement.
Later, PMMA-co-MAA was used as a matrix for cellulose-based nanocomposites to tailor filler compatibility, thanks to the presence of H-bonds between MAA unit and cellulose surface. Cellulose nanofibers (CNFs) up to 15%wt were efficiently dispersed by solvent casting in a mixture of two solvents (tetrahydrofuran/methanol). Thermal conduction showed no significant changes following the introduction of CNFs.
Dynamic mechanical analysis (DMA) and broadband dielectric spectroscopy (BDS) were used in combination to fully characterize the macromolecular mobility of PMMA-co-MAA following the introduction of inter-chain H-bonds and the subsequent addition of CNFs.

Evolution de la précipitation et des propriétés d'aciers micro-alliés lors d'une opération de soudage

Doctorant : Lucas SORIANO BARDON

Laboratoire INSA : Mateis

Ecole doctorale :  ED34 : Matériaux de Lyon

"Pendant le processus de soudage, il y a une diminution de la ductilité et une augmentation de la duretée de ces aciers dans la Zone Affectée Thermiquement (ZAT). Les opérations de soudage modifient les états de précipitation, et par conséquent, ont un effet sur les propriétés mécaniques du matériau. L’objectif de ce travail est de mieux comprendre les mécanismes conduisant à ces changements de propriétés mécaniques. Par conséquent, une approche expérimentale et une approche numérique ont été couplées afin de décrire à la fois l’état de précipitation et l’évolution des propriétés mécaniques associées en fonction des traitements thermiques. Quatre alliages de laboratoire de compositions différentes (référence, +V, +Nb, +V et Nb) ont été élaborés pour discriminer les effets de chacun des éléments de microalliage. Tout d’abord, afin de calibrer le modèle de précipitation, des traitements thermiques isothermes à 700 et 1000 sont réalisés. Dans un second temps, des traitements thermiques réalisés dans le simulateur thermomécanique Gleeble permettent de reproduire expérimentalement les cycles de soudage simulant différentes distances à la ligne de fusion (0,5 et 4 mm). Les carbonitrures en solution solide précipitent dans la ferrite et l’austénite. Le modèle de précipitation, préalablement validé pour les traitements thermiques en isotherme est utilisé pour déterminer les paramètres non quantifiables expérimentalement ou donnés dans la littérature (en particulier en ce qui concerne l'énergie d'interface). La localisation, la densité et la fraction volumique des précipités sont corrélées avec la résilience et la dureté dans la ZAT. La nature et la distribution de tailles des précipités sont caractérisées au moyen de la Microscopie Electronique à Transmission sur des répliques carbone. Les cinétiques de précipitation dans le domaine austénitique, ainsi que dans le domaine ferritique ont été décrites en utilisant le logiciel de simulation ``PreciSo'' basé sur les théories de Kampmann et de Wagner."

Caractérisation, mise en forme et recyclage de polymères biosourcés pour le développement d’un procédé de fabrication plastronique respectueux de l’environnement

Doctorante : Caroline GOUMENT

Laboratoire INSA : Ampère

Ecole doctorale : ED160 : Electronique, Electrotechnique, Automatique

Dans la très grande majorité des cas, les objets électroniques de la vie quotidienne ont une enveloppe plastique à base de matériaux polymères issus de la pétrochimie. Remplacer les matériaux issus de la pétrochimie par des matériaux plus respectueux de l’environnement est aujourd’hui une transition nécessaire. La plastronique 3D est un domaine émergeant permettant de dépasser certaines limites de l’électronique traditionnelle, notamment parce qu’elle oblige à redéfinir les supports polymères. Cette thèse s’inscrit dans le cadre du projet BIOANTENNA du Pack Ambition Recherche de la Région AURA, dont le but est la fabrication d’un dispositif électronique innovant du point de vue des matériaux supports utilisés et des fonctionnalités du circuit électronique. Dans cette thèse, nous étudions un procédé de fabrication de masse de dispositifs électroniques appelé In-Mold Electronics (IME). Celui-ci comporte trois étapes principales
: sérigraphie, thermoformage et surmoulage par injection. Dans l’état de l’art, le polymère de référence en IME est le PolyCarbonate (PC). Notre objectif sera de remplacer le PC par un matériau plus écologique : l’acide PolyLActique (PLA). Ce polymère fait depuis une dizaine d’années l’objet de nombreuses études afin de l’utiliser comme alternative aux polymères techniques issus de la pétrochimie. Le PLA est le polymère biosourcé le plus utilisé aujourd’hui. Il est également biodégradable en compost industriel, ce qui pourrait permettre d’apporter une réponse à la fin de vie des produits et ainsi envisager son utilisation en économie circulaire.

Interprétabilité des réseaux de neurones profonds et segmentation faiblement supervisée des lésions cérébrales sur IRM

Doctorante : Valentine WARGNIER

Laboratoire INSA : CREATIS

Ecole doctorale : ED205 : Interdisciplinaire Sciences Santé

L’imagerie médicale est un outil fondamental pour diagnostiquer les maladies, suivre leur évolution mais aussi comprendre leur fonctionnement afin de mieux les soigner. L’imagerie par résonance magnétique est une méthode de choix pour visualiser le cortex cérébral et ses pathologies comme la sclérose en plaques, une maladie auto-immune inflammatoire et démyélinisante qui est la première cause de handicap non traumatique chez les jeunes adultes, ou encore les gliomes, qui sont les tumeurs primitives cérébrales les plus courantes.
Pour analyser ces images de manière automatique, les méthodes basées sur l’apprentissage profond présentent de très bonnes performances pour différents types de tâches comme la classification ou la segmentation. Ces méthodes automatiques apportent aux cliniciens une pré-analyse très utile dans leurs études ou diagnostics. Cependant, elles nécessitent beaucoup de données pour leur entraînement. Dans le cas des méthodes de segmentation supervisées, les annotations manuelles nécessaires pour chaque image sont très coûteuses. Le développement de méthodes faiblement ou non- supervisées performantes, ne nécessitant pas ou peu d’annotations manuelles, est donc nécessaire. En outre, dans un domaine critique comme celui de la médecine, il est important que les décisions des réseaux soient explicables et s'appuient sur les signes radiologiques de la pathologie présents dans l’image et utilisés par les cliniciens. Or, les réseaux de neurones profonds sont, de par leur grand nombre de paramètres et les interconnexions non linéaires dont ils sont composés, difficiles à expliquer. Proposer des réseaux explicables et interprétables est donc une problématique forte pour l'analyse d’images médicales par apprentissage profond. Dans cette thèse, nous avons abordé ces deux thématiques. En nous focalisant sur une tâche de classification entre des images de sujets sains et des images de patients (notamment atteints de sclérose en plaques ou de gliomes), nous avons montré que la décision des classifieurs de l’état de l’art n’est pas forcément pertinente et en accord avec les aprioris médicaux. Cela peut avoir de lourdes conséquences : pour du diagnostic, l'utilisation de tels classifieurs biaisés n'est pas raisonnable et lorsqu’ils sont utilisés au sein d’autres modèles, comme les modèles génératifs, cela peut faire chuter les performances. Nous avons donc proposé des classifieurs plus interprétables avec une décision davantage basée sur les signes radiologiques de la pathologie considérée. Trois solutions ont été proposées. Tout d’abord, nous avons normalisé l’entrée des réseaux de neurones afin d’éliminer les biais présents dans l’image et qui peuvent être utilisés par les réseaux classiques pour prendre leur décision. Ensuite, nous avons contraint les classifieurs au cours de leur entraînement en utilisant les cartes d’attributions, des méthodes de l’état de l'art permettant d’identifier les zones de l’image d’entrée utilisées par le réseau pour prendre sa décision. Enfin, nous avons utilisé des réseaux intrinsèquement explicables : les réseaux monotones. Nous avons notamment proposé une méthode pour transformer n’importe quelle architecture en réseau monotone alors que les réseaux monotones de l’état de l’art étaient limités à des architectures de très faible profondeur. Avec ces réseaux de classification interprétables ne disposant que du label de l'image à l'entraînement, nous pouvons réaliser une segmentation faiblement supervisée des lésions cérébrales, la décision étant basée sur ces dernières.
 

 

 

 

Highly integrated photovoltaic micro-concentrator for space applications

Doctorant : Victor VAREILLES

Laboratoire INSA : INL
Ecole doctorale : ED160 : Electronique Electrotechnique Automatique

Les applications spatiales requièrent de plus en plus d’énergie électrique pour la propulsion, les constellations de satellites et les missions d’exploration en espace lointain. La micro-concentration photovoltaïque peut être une solution pour fabriquer des générateurs solaires hautement performants en diminuant l’usage des cellules solaires à base de matériaux III-V extrêmement coûteux. Prometteuse, cette technologie doit relever les défis posés par les contraintes de masse et de volume dans l'espace. Cette thèse s'articule autour d'un micro-concentrateur innovant, basé sur un réseau de miroirs hexagonaux intégrés dans un nid d'abeille. Les cellules solaires sont fixées sur un substrat en verre placé sur le réseau optique. Cet assemblage est monolithique, compact et léger.
La première partie détaille l’auto-alignement capillaire nécessaire pour positionner à quelques dizaines de microns plusieurs dizaines de milliers de micro-cellules par mètre carré. Des simulations validées par l’expérience sont effectuées pour déterminer l'influence du volume de liquide, de la taille des récepteurs et du positionnement initial des cellules, permettant d'atteindre une précision inférieure à 30 µm.
La deuxième partie se consacre au comportement mécanique du composite sous contrainte thermique. Un modèle par éléments finis permet de concevoir un micro- concentrateur en limitant sa courbure tout en minimisant sa masse.
Enfin, la troisième partie met en avant les différentes étapes de fabrication du prototype et notamment la réalisation des récepteurs déposés par sérigraphie sur le verre support, l’interconnexion des cellules et leur brasure. Un premier rendement d’un mono-module de 21 % a été obtenu sous une irradiance directe de 903 W/m² à une température ambiante de 13°C. Pour une erreur de positionnement de 50 µm de la cellule par rapport à l’optique, les pertes n’excèdent pas 5 %.
Ce travail peut s’appliquer également aux modules photovoltaïques terrestres à base de composite, et de connectiques électriques spécifiques sur substrat verre.

Détection et description de points clés par apprentissage en vue d'un recalage à grande échelle

Doctorant : Nicolas LOISEAU

Laboratoire INSA : CREATIS
Ecole doctorale : ED160 EEA

Les hôpitaux génèrent de plus en plus d'images médicales en 3D. Ces volumes nécessitent un recalage automatique, en vue d'être analyser de manière systématique et à grande échelle. Les points clés sont utilisés pour réduire la durée et la mémoire nécessaire à ce recalage et peuvent être détectés et décrits à l'aide de différentes méthodes classiques, mais également à l'aide de réseaux neuronaux, comme cela a été démontré de nombreuses fois en 2D. Cette thèse présente les résultats et les discussions sur les méthodes de détection et de description de points clés à l'aide de réseaux neuronaux 3D. Deux types de réseaux ont été étudiés pour détecter et/ou décrire des points caractéristiques dans des images médicales 3D. Les premiers réseaux étudiés permettent de décrire les zones entourant directement les points clés, tandis que les seconds effectuent les deux étapes de détection et de description des points clés en une seule fois.

Study of the noise aging mechanisms in single-photon avalanche photodiode for time-of-flight imaging (Etude des mécanismes de vieillissement du bruit de photodiode à avalanche à photon unique pour l’imagerie par temps de vol)

Doctorant : Mathieu SICRE

Laboratoire INSA : INL
Ecole doctorale : EDA160 : Électronique, Électrotechnique, Automatique

Les diodes à avalanche à photon unique (SPAD) sont utilisées pour les capteurs à temps de vol afin de déterminer la distance d'une cible. Cependant, ils sont sujets à des déclenchements parasites par des porteurs de charge générés de manière parasitaire, quantifiés en tant que taux de comptage dans l’obscurité (DCR), ce qui peut compromettre la précision de la distance mesurée. Pour résoudre ce problème, une méthodologie de simulation a été mise en place pour évaluer le DCR. Cela est réalisé en simulant la probabilité de claquage d'avalanche, intégrée avec le taux de génération de porteurs de charge à partir de défauts. Cette méthodologie permet d'identifier les sources potentielles de DCR avant stress. Pour garantir l'intégrité des mesures de distance sur une longue période, il est nécessaire de prédire le niveau de DCR dans diverses conditions d'exploitation. La méthodologie de simulation susmentionnée est utilisée pour identifier les sources potentielles de DCR après stress. Pour un modèle cinétique précis de dégradation de type porteurs chauds (HCD), il est essentiel de considérer non seulement la distribution d'énergie des porteurs, mais également la distribution de l'énergie de dissociation de la liaison Si-H à l'interface Si/SiO2. La probabilité de dissociation d'ionisation d'impact est utilisée pour modéliser le processus de création de défauts, qui présente une dépendance temporelle sous-linéaire en raison de l'épuisement progressif des précurseurs de défauts. Une mesure précise de la distance nécessite de distinguer le signal du bruit ambiant et du plancher de DCR. L'impact de DCR peut être estimé en considérant la réflectance de la cible et les conditions d'éclairage ambiant. En résumé, ce travail utilise une méthodologie de caractérisation et de simulation approfondie pour prédire le DCR dans les dispositifs de type SPAD le long de sa durée de vie, permettant ainsi d'évaluer son impact sur les mesures de distance.

Unraveling virulence regulation in pectinolytic bacteria: Insights from ArcZ and RsmC. How do these molecular maestros shape virulence in the Dickeya genus?

Doctorante : Typhaine BRUAL 

Laboratoire INSA : MAP

Ecole doctorale : ED341 : Évolution, Écosystèmes, Microbiologie, Modélisation

Pectinolytic bacteria of the genus Dickeya thrive in diverse ecological niches including water, soil and plants, adapting to complex and ever-changing environments shaped by various biotic and abiotic interactions.
In this thesis, we investigated the mechanisms that regulate the virulence of the genus Dickeya, in particular D. dadantii and D. solani.
Our main findings concern post-transcriptional regulation exerted by the sRNA ArcZ and post-translational regulation modulated by the protein RsmC.
ArcZ is a key player in D. solani adaptation, regulating motility according to environmental conditions and enhancing virulence during plant infection. In addition, ArcZ plays a critical role in acid resistance.
RsmC, in turn, is involved in the regulation of motility and has a complex role in virulence. Our results suggest novel interactions for RsmC and open perspectives for studying other undocumented functions.
In a word, our study reveals how regulators such as ArcZ and RsmC orchestrate bacterial responses to a dynamic environment. These findings highlight the adaptability of Dickeya species and underscore the importance of ecological context in the study of bacterial behavior.

Robust and Privacy-Preserving Federated Learning

Doctorante : Fatima ELHATTAB

Laboratoire INSA : LIRIS
Ecole doctorale : ED512 : Infomaths

Federated Learning opens interesting perspectives in privacy sensitive domains, such as healthcare or user mobility, that were so far reluctant towards AI and machine learning techniques. Indeed, with such decentralized Federated Learning protocols, data is kept private at the client side, instead of sending it to a remote service/cloud as done in classical approaches. However, Federated Learning unveils a brand new set of challenges. Recent studies show that Federated Learning is vulnerable to malicious users participating to the distributed protocol, if such users perform data poisoning attacks in order to make the AI and global model deviate from its correct behavior [2][7][11]. Malicious users do not rigorously follow the protocol, either innocently, due to human or system errors, or intentionally, due to adversarial behaviors. Such behaviors may end up, for instance, with disease data mislabelling in digital healthcare systems, wrong radiation information in radiation detection systems. The state-of-the-art approaches to tackle malicious clients in classical distributed machine learning make assumptions that do not hold in the case of decentralized Federated Learning systems, such as the fact that clients’ data are identically distributed among clients and independent from each other [10]. However, data present on client devices are collected by the clients themselves, based on thclients’ own usage pattern and local environment. Both the size and the distribution of clients’ data heavily vary between different clients. Thus, there is a need for novel algorithms and techniques to efficiently detect data poisoning attacks and counter them in Federated Learning systems. The research objective of this PhD project is to derive novel Federated Learning protocols that are resilient to data poisoning attacks. The key tasks of this project are: (i) Exploring different types of attacks in Federated Learning, under different use cases, such as disease data mislabelling in digital healthcare systems (ii) Deriving various attack implementations (e.g., data label poisoning, data feature poisoning) in real-world datasets, and proposing detection mechanisms based on techniques such as generative adversarial networks [8], model output and gradient monitoring, etc.

Etude multi-physique et multi-échelle de la réaction d'hydratation du sulfate de calcium hémihydraté

Doctorant : Alexandre FANTOU

Laboratoire INSA : MATEIS

Ecole doctorale : ED34 : Matériaux de Lyon

En raison de leur capacité de prise, les liants hydrauliques sont utilisés à des fins très variées (matériaux de construction, substituts osseux, ...).
La réaction de prise est toujours initiée par le mélange d'une ou plusieurs poudres fines avec une solution aqueuse.
La dissolution des poudres réactives initiales entraîne la formation d'une pâte visqueuse, dont les propriétés évoluent avec le temps pour former une céramique poreuse monolithique par la nucléation et la précipitation de phase(s) plus stable(s).

Dans le cadre de cette thèse, le plâtre CaSO4.2H2O obtenu par la réaction d'hydratation du sulfate de calcium hémihydraté CaSO4.0,5H2O est étudié dans des conditions standards (e.g., rapport massique liquide/solide, température et pression), afin de développer des techniques de caractérisation multi-physiques et multi-échelles in-situ et ex-situ pour suivre l'évolution de:
-    la composition des phases (réaction de dissolution et de précipitation) à l'aide de mesures calorimétriques, de la diffractométrie des rayons X et de la spectrophotométrie infrarouge à transformée de Fourier;
-    la microstructure à l'aide de la microscopie électronique à balayage et de la microtomographie aux rayons X;
-    les propriétés mécaniques en utilisant la mesure de vitesse de propagation des ultrasons, l'analyse mécanique dynamique en cisaillement et en compression et le test de résistance en compression.
Ce panel de techniques a permis de suivre et de corréler les différentes transitions physiques survenant au cours de la réaction de prise et ainsi de dresser un portrait global des phénomènes physiques mis en jeu.