Learning-Based Interactive Character Animation Edition

Doctorant : Léon Victor

Laboratoire INSA : LIRIS

Ecole doctorale : ED512 Informatique Et Mathématiques de Lyon

La principale méthode utilisée pour animer un personnage virtuel consiste à éditer le mouvement d’un squelette, sur lequel un modèle sous forme de maillage sera appliqué et déformé au besoin. Pour convaincre le spectateur, le mouvement d’un personnage doit respecter de nombreuses règles implicites, comme le modèle physique qui régit son monde ou les limites de sa morphologie. Ce faisant, il doit aussi rendre explicite l’action réalisée, et laisser transparaître l’état émotionnel du personnage. La subtilité de ces contraintes rend la création d’animation difficile et la production d’une animation réaliste et/ou plaisante repose fortement sur les connaissances, l’expérience et minutie de l’animateur. La démocratisation des techniques de capture de mouvement (Motion Capture, ou MoCap) permet de produire de plus en plus de données de mouvements tirés du monde réel, qui portent intrinsèquement des informations sur ces contraintes. Les travaux présentés dans cette thèse proposent d’exploiter ces données à l’aide de méthodes récentes d’apprentissage automatique, utilisant les réseaux de neurones pour fournir de nouveaux outils aux artistes animateurs.

Fabrication et Caractérisation de Jonctions Tunnel Ferroélectriques à base de Hf0.5Zr0.5O2 pour les Applications Neuromorphiques

Doctorant : Benoit MANCHON

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

Une conséquence de la séparation physique entre mémoire et calcul dans l’architecture de Von Neumann est le goulot d’étranglement de la mémoire. L’une des solutions consiste à s’inspirer du fonctionnement du cerveau dans lequel la mémoire (les synapses) est massivement intégrée au sein des unités de calcul (les neurones). Afin d’implémenter ce type d’architecture neuromorphique, il est nécessaire de développer des composants capables de reproduire les fonctions synaptiques. Les Jonctions Tunnel Ferroélectriques (FTJs) sont candidates au rôle de synapse artificielle grâce à leur capacité à moduler la quantité de courant qui les traverse en fonction de la direction de polarisation. La découverte de ferroélectricité dans l’oxyde d’hafnium dopé dès 2011, et plus tard dans le Hf0.5Zr0.5O2 (HZO), a permis de relancer la recherche sur les composants ferroélectriques en offrant une alternative aux pérovskites dont la température de cristallisation est limitante pour les procédés d’intégration industriels.
Dans ce travail, nous avons cherché à réaliser des FTJs à base de HZO pour la réalisation de synapses artificielles. Trois axes de recherche ont été définis : adapter un procédé préexistant de condensateurs ferroélectriques pour la fabrication de FTJ, développer un procédé pour intégrer les FTJs et réduire leurs dimensions, et mettre en place des protocoles de caractérisation et de programmation. Après avoir détaillé le contexte scientifique, les méthodes d’élaboration et de caractérisation sont présentées suivis des procédés de fabrication. Afin d’augmenter les courants tunnel des FTJs, nous avons cherché à réduire l’épaisseur de HZO sans dégrader ses propriétés ferroélectriques ; les solutions que nous avons exploré concernent l’insertion d ’une couche interfaciale, l’utilisation d’électrodes en tungstène et le dépôt par couches atomiques. Après avoir exposé l’étude des propriétés électrique des FTJ ainsi obtenues, nous présentons la caractérisation de l’imprint et de leur dynamique de retournement ainsi qu’un protocole de programmation multi- états.

Explaining machine learning models on graphs by identifying hidden structures built by GNNs

Doctorant : Luca VEYRIN-FORRER

Laboratoire INSA : LIRIS

Ecole doctorale : ED512 Infomaths

La dernière décennie a vu une énorme croissance dans le développement de techniques basées sur les réseaux de neurones profonds pour les graphes. Les réseaux de neurones sur graphes (GNNs) se sont avérés les plus efficaces pour de nombreux problèmes d'apprentissage automatique de graphes tels que les méthodes de noyaux. Cependant, le fonctionnement interne des modèles GNN reste opaque, ce qui constitue un obstacle majeur à leur déploiement, soulevant des questions d'acceptabilité sociale et de fiabilité, limites qui peuvent être surmontées par l'explication du fonctionnement interne de tels modèles. Dans cette thèse, nous étudions le problème de l'explicabilité des GNNs. Notre contribution principale, INSIDE, vise à extraire les règles d'activation dans les couches cachées du modèle pour comprendre quels descripteurs et caractéristiques de graphes ont été automatiquement extraits des graphes. Le défi consiste à fournir un petit ensemble de règles qui couvrent tous les graphes d'entrée. Nous proposons un domaine de motifs subjectif pour résoudre cette tâche. Nous proposons l'algorithme INSIDE qui est efficace pour énumérer les règles d'activation dans chaque couche cachée.  Les règles d'activation peuvent ensuite être utilisées pour expliquer les décisions du GNN. l'étude expérimentale montre des performances très compétitives par rapport aux audres méthodes de l'état de l'art. Cependant, les règles d'activation ne sont pas interprétables. Nous proposons d'interpréter ces règles en identifiant un graphe entièrement plongé dans le sous-espace associé à chaque règle. La méthode DISCERN que nous avons mise mise au point est basée sur une recherche arborescente de type Monte Carlo dirigée par une mesure de proximité entre le plongement du graphe et la représentation interne de la règle. Les graphes ainsi obtenus sont réalistes et pleinement compréhensibles par l'utilisateur final.

Soutenance publique

Maître de conférences : Mathieu Gautier

Laboratoire INSA :  DEEP

Rapporteurs :

• Mme DELUCHAT Véronique Professeur Université de Limoges
• M. ROUSSEAU Diederik Professeur Ghent University, Belgique
• M. MOTELICA-HEINO tefan Mikael Professeur Université d’Orléans

Jury :

Mme	DELUCHAT	Véronique	Professeur	Université de Limoges	Rapporteur
M.	ROUSSEAU	Diederik	Professeur	Ghent University, Belgique	Rapporteur
M.	MOTELICA-HEINO	Stefan Mikael	Professeur	Université d’Orléans	Rapporteur
Mme	GONDRAN	Natacha	Professeur	Mines Saint-Etienne	Examinateur
M.	MOLLE	Pascal	Directeur de Recherche	INRAE	Examinateur
M.	GROSSI	Vincent	Directeur de Recherche	CNRS - Université Claude Bernard, Lyon1	Examinateur
M.	LASSABATERE	Laurent	IDTPE-MTES, HDR	LEHNA ENTPE / Lyon1	Examinateur
M.	GOURDON	Rémy	Professeur	INSA Lyon	Examinateur

Configurable Convolutional Neural Networks: Applications to Breast Cancer Explainable Classification and Display Panel Defect Detection

Doctorant : Feng HE

Laboratoire INSA : CREATIS

Ecole doctorale : ED160 : Electronique, Electrotechnique, Automatique

Current deep learning methods such as convolutional neural networks (CNNs) are often dedicated to a specific task and object; they are generally fixed in network architecture, which limits their generalizability and prevents them from addressing multiple scenarios with different objectives. To achieve both the explainable classification of breast cancer and the online defect detection of display panels, we propose a configurable convolutional neural network (ConfigNet) capable of being transformed into different configurations according to the tasks and objects in question. The ConfigNet presents two main functional configurations. The first is composed of a feature extraction module (FEM), a decision map generator (DMG) and a classifier; it is devoted to image explainable classification, for which we propose two DMG structures and a weighted average pooling (WAP) classifier for histopathological breast cancer images. The second is an encoder- decoder configuration devoted to object segmentation and localization. In this second configuration, we propose an efficiency-favored decoder and an element-wise feature fusion module (EFFM) guiding the skip connection between the encoder and decoder for online defect detection of display panels. In addition, we develop a spatial and channel attention-guided feature fusion module (SCAFFM) and a bottleneck-structured decoder for breast tumor segmentation. The FEM or encoder in these two configurations is constructed through transfer learning from existing CNNs having deep convolutional layers.

Composition-dependent precipitation in Mg/Si graded 6xxx aluminium alloys: from powder metallurgy to hardening kinetics simulation

Doctorante : Justine TAURINES

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

Recycling Al alloys often leads to uncontrolled ranges of alloying elements compositions. Alloy design based on recycling must therefore account for these composition variations on the alloy properties. High-throughput approaches, such as graded material studies are well adapted to tackle this problem. 6XXX series is a good case study since the contributions of Mg and Si on the metastability cascades are not perfectly understood.

In this PhD, graded materials, with a variation in both Mg and Si contents, are manufactured by powder metallurgy. Mg-rich powder is first poured on Si-rich powder. Then these two powder beds are consolidated by Spark Plasma Sintering and then subjected to a solutionizing treatment during which Mg and Si gradients form and widen. Microstructure and hardness are first characterised along the gradient. Then, an ageing treatment at 170°C is performed to get a whole range of precipitation sequences. The effect of composition on precipitation kinetics (precipitation pathways, precipitation state, hardness) are characterised using TEM, DSC and SAXS. A mean field framework based  on classical nucleation and growth theories coupled with a hardening model has been developed and successfully compared to the experiments.

Approche multi échelles pour l’étude du grippage des dentures d’engrenages

Doctorant : Nicolas GRENET--de BECHILLON

Laboratoire INSA : LaMCoS

Ecole doctorale : ED162 : Mécanique, Énergétique, Génie civil, Acoustique

Pour réduire les émissions, la prochaine génération de moteurs civils intègrera un réducteur à engrenages. Il convient donc de s’intéresser aux différents modes de défaillance d’un tel produit, parmi lesquels se trouve le grippage des dentures. Cet endommagement est caractérisé par la formation et l’arrachement de microsoudures pendant l’engrènement. Il engendre une dégradation de l’état de surface des dentures, qui induit une réduction du rendement du réducteur.
Un modèle numérique a été mis en place afin d’investiguer le rôle de la rugosité sur l’initiation du grippage. Les calculs réalisés montrent que les températures atteintes ne semblent pas en mesure d’expliquer la formation de microsoudures par fusion des surfaces en contact dans un contact lubrifié. Ces microsoudures semblent donc être la conséquence d’une potentielle rupture du film lubrifiant et non le point de départ de l’initiation du grippage.
Cette rupture du film a été étudiée expérimentalement sur disques et une procédure basée sur l’épaisseur du film lubrifiant a été développée. Les essais réalisés semblent montrer que la rupture du film lubrifiant est gouvernée par sa température, qui dépend des conditions de fonctionnement. Ainsi, une piste de critère de grippage a été établie sur disques.
Dans une dernière partie, des essais dentures ont été réalisés. Ceux-ci montrent, comme sur disques, que la température totale à elle seule ne permet pas de prédire le grippage. Cependant, ni le critère développé ni les critères classiques ne semblent expliquer les grippages des dentures lors des essais réalisés. Une nouvelle approche est proposée.
Enfin, les conclusions sur la chronologie du mécanisme d’initiation du grippage sont regroupées et des perspectives sont mises en avant. Celles-ci visent à améliorer la représentativité des disques vis-à-vis des dentures au sujet de l’état de surface, ou à investiguer expérimentalement l’hypothèse de la rupture du film lubrifiant comme mécanisme d’initiation du grippage.

Equivalent source methods for three-dimensional acoustic imaging in complex environments

Doctorant : Joannès CHAMBON

Laboratoire INSA : LVA

Ecole doctorale : ED162 : Mécanique, Énergétique, Génie civil, Acoustique

Un ensemble de problématiques nouvelles en imagerie acoustique sont à considérer pour l'identification de sources en trois dimensions par antennerie. L'une d'entre elle concerne le modèle retenu pour retranscrire la propagation acoustique dans l'environnement de mesure. Ce dernier doit potentiellement être en mesure de prendre en compte des phénomènes de premier ordre de diffraction, de convection ou de directivité liée à la nature physique de sources. En pratique, le choix du modèle de propagation se résume à la construction d'une matrice de transfert entre une grille de sources potentielles et une antenne de microphone qu'il convient d'inverser pour revenir aux sources prépondérantes. Dans cette thèse, la méthode des sources équivalentes est testée en tant qu'outil simple et modulable pour la simulation de fonctions de transfert permettant une description plus précise de la scène acoustique. Des méthodes détaillées de paramétrage des sources équivalentes sont proposées et évaluées sur divers cas d'étude obtenus analytiquement, par mesure en soufflerie ou simulation dynamique des fluides. Pour finir, une approche plus prospective est mise au point dans l'objectif d'inclure les sources équivalentes dans le processus d'antennerie de manière plus cohérente que lors du calcul direct de matrices de transfert. Les sources sont ajustées en fonction des pressions microphoniques et d'une condition aux limites, puis repropagées pour représenter l'ensemble du champ rayonné. L'intérêt de cet algorithme est évalué comparativement à des techniques d'imagerie classique sur des mesures de sources corrélées montées sur une maquette de moteur.

Experimental and Simulation Study of GaN Device Size Limitations for High Efficiency Power Converters

Doctorant : Florian RIGAUD-MINET

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

Nowadays the electrification of our society leads to a huge demand for technologies related to power conversion systems. Lateral Gallium Nitride (GaN) transistors made on silicon wafers were shown to be more adapted for high efficiency power conversion over their silicon counterparts in the mid-voltage range (100 V–1000 V) at a reasonable cost. The targeted power converters are phone or laptop chargers, on-board chargers in electric vehicles, datacenter power supplies, micro-inverters for photovoltaics and more- electric-aircraft power converters. Power transistor scaling may be interesting to improve converter efficiency. Indeed, it could on the one hand, reduce the transistor-related charges QXX decreasing the switching time and hence the switching losses or on the other hand, decrease the on-state static resistance RDS,ON. However, the scaling should also result in a reduction of the device breakdown voltage as well as a switching that is more sensitive to parasitics that may have disturbed its stability/losses.
In this thesis the electric field distribution management and the switching losses of  lateral 650 V rated GaN-on-Silicon power devices built at CEA-LETI are studied. To do so, an electrical and physical failure analysis was performed to identify the voltage limitation of lateral GaN-on-Si diode test vehicles with different layout and substrate connections. To study the electric field distribution by Technology Computer Assisted Design (TCAD) using Synopsys® SentaurusTM, the electric field variation should reproduce the experimental breakdown voltage. Thus, a buffer trap calibration method based on experimental protocols was initiated. Finally, a new hard switching characterization test bench was set up to study the transistor design and manufacturing process impact on the switching losses of lateral GaN-on-Si transistors. The results help to derive guidelines for the technology and design scaling of the future generations of fully recessed GaN-on-Si Metal Insulator Semiconductor High Electron Mobility Transistor (MIS-HEMT).

 

Tribological Behaviour of Ti-Based Thin Films: A Small Scale In Situ Investigation

Doctorante : Aslihan SAYILAN

Laboratoire INSA : MATEIS
Ecole doctorale : ED34 Matériaux de Lyon

The nature of contact interface of skin, clothes or joints is the prime interest with metallic biosensors can be enhanced through PVD processes in terms of chemistry and microstructure. Furthermore, dynamic evaluation of the contact at the early stage is essential to better understand the wear mechanism of the corresponding bio-device. Therefore, within this thesis, a laboratory- made micro-tribometer was developed. This particular reciprocating ball-on-disk stage is coupled with an environmental SEM (eSEM) to characterise the tribological behaviour of materials, at small scale in situ realistic conditions.
To express the proof of concept, a preliminary analysis was performed with TiN PVD coatings. The testing procedure for the dynamic approach during the run-in period was defined in controlled atmosphere in eSEM. When the tribological tests were performed, the films were examined in situ, while the ball track was analysed in post mortem mode. Once validated, the mini-tribometer was used for a metal preferred in biosensors: titanium. Titanium presents a biocompatible character, with interesting mechanical properties. The wear character of pure Ti-film can be enhanced with an addition of proper alloying elements. Here, silver is an outstanding material regarding its anti- bacterial character, ductility, and remarkable sliding behaviour. Thus, Ti-Ag films were deposited with magnetron sputtering PVD with several Ag contents. It was seen that with increasing Ag content, a denser microstructure with Ag-based clusters into the film was achieved with a slight improvement on mechanical and electrical behaviours. During in situ analysis, the small-scale strategy of characterization highlighted the influence of humidity on tribological behaviour of these films. Finally, the effect of Ag content was studied in humid conditions. While it is known that Ag performs good sliding behaviour in ambient air conditions, it was seen that increasing humidity affect the sliding behaviour of Ag-based clusters.