Mobilité moléculaire dans des réseaux époxy au degré d'hétérogénéité croissant

Doctorante : Carolina FRANZON

Laboratoire INSA : IMP - Ingénierie des Matériaux Polymères

École doctorale : ED534 : Matériaux de Lyon

Les propriétés physiques des réseaux thermodurcissables sont largement influencées par leur architecture et en particulier par leur densité de réticulation et hétérogénéité topologique. Cela concerne notamment les propriétés mécaniques aux grande déformation (e.g. effets bien établis sur la ténacité), les propriétés barrières (e.g. perméabilité aux gaz, absorption d'eau), ainsi que les propriétés électriques, en lien avec la polarisation interfaciale ou effet Maxwell-Wagner-Sillars (MWS), caractéristique des diélectriques hétérogènes. La mobilité moléculaire est identifiée pour intervenir au premier ordre dans des propriétés physiques macroscopiques de la phase amorphe des polymères, ce qui rend son étude essentielle à l'établissement de relations structure-mobilité-propriété dans les réseaux hétérogènes, enjeu central pour la conception de matériaux polymères avancés. Dans ce contexte, cette étude vise à approfondir la compréhension fondamentale des liens entre l'hétérogénéité et ses manifestations physiques. À cette fin, des réseaux époxy-amine avec hétérogénéité topologique contrôlée de densité de réticulation ont été obtenus par dispersion de microgels époxy réticulés (MEs) dans une matrice époxy de nature chimique similaire. Les réseaux obtenus vont de réseaux homogènes (sans MEs) à des réseaux hétérogènes présentant des zones (MEs) ayant des densités de réticulation différentes de celles du réseau constituant la phase continue environnante. Une approche multitechnique combinant calorimétrie différentielle à balayage (CDB), analyse mécanique dynamique (AMD) et spectroscopie diélectrique dynamique (SDD) a été mise en œuvre pour explorer en profondeur la mobilité moléculaire de ces matériaux. Les premières investigations ont porté sur les réseaux homogènes afin d'établir une base de référence. Les effets des conditions de stockage ambiantes, notamment de l'humidité absorbée, en conjonction avec la densité de réticulation du réseau, sur les propriétés physiques telles que la mobilité moléculaire et la conductivité ont été étudiés. Des effets significatifs sur les modes de relaxation principaux (alpha) et secondaires ont été observés, soulignant l'importance du contrôle des conditions initiales des échantillons lors des études sur la mobilité moléculaire. L'analyse suivante s'est portée sur les réseaux hétérogènes. Ceux présentant un fort contraste de densité de réticulation ont révélé deux mécanismes distincts liés à la transition vitreuse, c'est-à-dire, deux Tg et deux modes alpha, correspondant aux deux types de réseaux mis en commun (MEs et matrice). L'analyse SDD a révélé une relaxation interfaciale (ou mode MWS), absente dans les réseaux homogènes de référence, et donc associée aux interfaces ME/matrice, ce qui la rend un marqueur de l'hétérogénéité structurelle introduite. Ce mode a fait l'objet d'une étude approfondie, tant expérimentale que théorique, à l'aide de la modélisation basée sur la théorie de Maxwell-Wagner. Un excellent accord a été observé entre les prédictions du modèle et le mode MWS mesuré expérimentalement dans le réseau correspondant le mieux aux hypothèses du modèle, apportant ainsi une preuve expérimentale de la validité de cette théorie fondatrice. Cet accord solide a permis de mieux comprendre les paramètres gouvernant la polarisation MWS, et ouvre la voie à la prédiction des propriétés électriques d'une phase constituante à partir de l'analyse expérimentale du mode, ce qui a été démontré pour l'un des réseaux étudiés. Ces résultats soulignent le potentiel de l'analyse MWS par BDS pour révéler des informations clés sur la structure physico-chimique des matériaux.

Synthèse et étude de composés et polymères aromatiques et hétérocycliques luminescents

Doctorant : N'gandi N'GAZA

Laboratoire INSA : IMP (Ingénierie des Matériaux Polymères)

École doctorale : ED34 : Matériaux de Lyon

Cette thèse porte sur la synthèse, la caractérisation des propriétés physicochimiques et photophysiques des bispyrazolopyridines (BPPs), ainsi que sur leur incorporation dans des polymères de type polyaryléther (PAE) en vue d'applications dans les diodes électroluminescentes organiques (OLEDs). Une réaction de type Hantzsch catalysée par le cuivre a été développée pour produire efficacement divers BPPs portant des groupes donneurs, attracteurs d'électrons ou encombrants. Ces BPPs ont été caractérisés par spectroscopie RMN, diffraction des rayons X (DRX) et analyses thermiques, révélant des structures variées et une grande stabilité thermique. Certains BPPs contenant des groupes phénoliques ont été modifiés en monomères polymérisables (Mol, Mo2) et intégrés dans des polymères PAE via un procédé de polycondensation en deux étapes. Cette méthode a permis d'incorporer une grande quantité de BPPs tout en contrôlant la structure des polymères. Les polymères obtenus (PAEMol, PAEMo2) présentent une masse molaire élevée et une bonne stabilité thermique. Ces copolymères ont été transformés en films minces par coulage de solution et pressage à chaud. Par ailleurs, un polymère de référence (PAEO) a été dopé avec Mol, Mo2 et un BPP haute performance (CarbBPP). L'analyse photophysique des composés et des polymères organiques a donné des résultats prometteurs. De nombreux BPPs émettent une lumière bleu profond ou bleu pur avec des rendements quantiques de photoluminescence ((!)PL) élevés, en solution comme à l'état solide. Les films de copolymères et les films dopés de PAEO présentent (!)PL élevé et une largeur de bande d'émission (FWHM) étroite, les rendant adaptés aux OLEDs. Des études électrochimiques par voltampérométrie cyclique ont permis d'estimer les niveaux d'énergie HOMO et LUMO. Des calculs théoriques DFT et TD-DFT ont confirmé les résultats expérimentaux et suggèrent un mécanisme d'émission hybride local et de transfert de charge (HLCT) pour Mol, Mo2 et CarbBPP.

Plasticité induite par transformation de phase dans les céramiques de zircone cériées à petites échelles

Doctorant : Marcelo DEMETRIO DE MAGALHÂES

Laboratoire INSA : MATEIS - Matériaux Ingénierie et Sciences

École doctorale : ED34 : Matériaux de Lyon

Les céramiques à base de zircone dopée à la cérine (Ce-TZP) présentent des propriétés mécaniques uniques, notamment une transformation martensitique induite par la contrainte de la phase tétragonale vers la phase monoclinique (t-m), qui confère une plasticité induite par transformation (TRIP), une meilleure ténacité et une variabilité des contraintes à la rupture réduite par rapport aux céramiques conventionnelles. De plus, la réversibilité de cette transformation de phase positionnent les Ce-TZP comme des candidats prometteurs pour des applications comme céramiques à mémoire de forme (SMC), analogues à certains alliages métalliques, à condition que la transformation ne provoque pas de dommages microstructuraux significatifs. Ce travail vise à élucider le comportement micromécanique régissant les transformations réversibles t-m dans des micropiliers de Ce-TZP. L'objectif principal était de caractériser comment l'orientation cristallographique, les joints de grains et les défauts microstructuraux influencent l'initiation et la propagation de la transformation martensitique, ainsi que sa réversibilité et les effets de mémoire de forme associés. Pour cela, des micropiliers monocristallins et oligocristallins ont été fabriqués et soumis à des charges mécaniques à l'aide de techniques in situ telles que la microdiffraction Laue et la microscopie électronique à balayage (MEB), incluant la diffraction des électrons rétrodiffusés (EBSD). Des traitements thermiques ont également été appliqués pour étudier la transformation inverse (m-t), permettant l'observation directe de l'effet mémoire de forme et l'évaluation de la déformation résiduelle. Les résultats ont montré que la transformation martensitique dépend fortement de l'orientation, se produisant préférentiellement selon des directions cristallographiques qui maximisent les contraintes de cisaillement. Par ailleurs, les hétérogénéités microstructurales telles que les interfaces et les défauts ont un impact significatif sur l'initiation, la propagation et le comportement mécanique qui en découle. Des cycles mécaniques répétés combinés à des traitements thermiques ont confirmé la réversibilité partielle du changement de forme dû à la transformation, et révélé une diminution progressive de la contrainte critique. Ce comportement a été observé après un cycle initial de transformation t-m suivi d'une transformation inverse m-t. La transformation facilitée pourrait être attribuée aux défauts introduits lors du premier cycle, qui modifient le paysage énergétique. L'absence de récupération complète serait probablement liée à l'activité de dislocations, entraînant une déformation plastique résiduelle après chauffage.

Prédiction de la consommation des chauffe-eau électriques pour la commande prédictive des micro-grids

Doctorant : Ibrahim Ali KACHALLA

Laboratoire INSA : CETHIL - Centre d'Énergétique et de Thermique de Lyon

École doctorale : ED162 : MEGA de Lyon (Mécanique, Énergétique, Génie civil, Acoustique)

Cette thèse examine de manière critique et développe un nouvel algorithme de prédiction de la consommation d'énergie pour les chauffe-eau électriques domestiques habitations, en se concentrant sur les systèmes qui stockent l'énergie pendant les heures creuses et la fournissent pendant les heures pleines. Un modèle de prévision précis peut améliorer de manière significative la gestion des mini-réseaux d'énergie renouvelable et la programmation de la charge en fonction de la demande d'eau chaude, réduisant ainsi les coûts et les émissions globales de carbone liées à la dépendance du réseau national. Les recherches montrent que la consommation d'eau chaude dans les habitations résidentielles représente 12 % de la consommation totale d'énergie dans les bâtiments. L'intégration d'un modèle de prédiction robuste avec un système de contrôle prédictif de modèle (MPC) peut minimiser le gaspillage d'énergie et permettre une programmation à l'avance pour une gestion optimale du réseau. Cette étude passe d'abord en revue les modèles de prédiction les plus récents et effectue une analyse comparative de la régression statistique, de l'apprentissage automatique basé sur la régression et des techniques avancées d'apprentissage automatique afin d'évaluer leurs forces et leurs faiblesses pour les applications de chaudières électriques à eau chaude en utilisant des données provenant de trois bâtiments comme étude de cas. Trois nouveaux modèles hybrides ont été développés sur la base de cette analyse afin d'obtenir un modèle de prédiction plus robuste pour les chauffe-eau électriques. Le meilleur modèle a été sélectionné sur la base des mesures de performance de la précision et de l'efficacité de calcul. En outre, le modèle hybride a été évalué pour prédire la consommation d'eau chaude en utilisant des données exogènes, notamment l'heure de la journée, le jour de la semaine et l'historique de l'utilisation de l'eau chaude, afin d'évaluer leur impact sur la consommation d'énergie. L'étude met en évidence les points forts et les limites des modèles et suggère des domaines de recherche et d'application pour l'avenir.

Commande hiérarchique et redondance d’entrée

[Soutenance publique]

Maître de Conférences : Jean-François TRÉGOUËT

Laboratoire INSA : Ampère

Rapporteurs : DR Jean Jacques LOISEAU, Pr. Andrea SERRANI, DR Luca ZACCARIAN
Jury : 

Civilité	Nom et Prénom	Grade/Qualité	Établissement
M.	Éric BIDEAUX	Professeur des universités	INSA de Lyon
Mme	Antoneta Iuliana BRATCU	Maîtresse de conférences - HDR	Grenoble INP - UGA
M.	Jamal DAAFOUZ	Professeur des universités	ENSEM - Université de Lorraine
M.	Jean Jacques LOISEAU	Directeur de recherche CNRS	LS2N
M.	Bernhard MASCHKE	Professeur des universités	Université Lyon I
M.	Sorin OLARU	Professeur CentraleSupélec	CentraleSupélec
M.	Andrea SERRANI	Professore Ordinario	Università di Bologna, Italie
M.	Luca ZACCARIAN	Directeur de recherche CNRS	LAAS

 

Approches par apprentissage profond pour la simulation et l'optimisation du contrôle des réseaux de chaleur urbains

Doctorant : Taha BOUSSAID

Laboratoire INSA : CETHIL - Centre d'Énergétique et de Thermique de Lyon

École doctorale : ED n°162 MEGA - Mécanique, Énergétique, Génie Civil, Acoustique

Les réseaux de chaleur urbains ont démontré une forte viabilité économique ainsi que des bénéfices environnementaux importants par rapport aux systèmes de chauffage individuels conventionnels. Ces avantages résultent de leur capacité à intégrer une diversité de sources de chaleur, dont renouvelables, et à exploiter le stockage d'énergie thermique. Toutefois, les interactions complexes entre ces composantes, associées à la variété des échelles de temps dynamiques et aux contraintes opérationnelles, rendent les simulations physiques coûteuses en temps de calcul, compliquant encore davantage l'optimisation du pilotage. L'objectif de ce travail est de développer un outil pour la simulation et l'optimisation du contrôle de ces systèmes. L'obstacle computationnel est levé par la conception d'un modèle de substitution efficace basé sur l'apprentissage profond. Plus précisément, un réseau de neurones convolutif spatio-temporel sur graphes, intégrant des contraintes physiques, est proposé pour approximer le comportement dynamique du réseau, et permet de réduire le temps de simulation jusqu'à trois ordres de grandeur. Afin d'améliorer les performances et la généralisation de ce modèle, une stratégie d'augmentation de séries temporelles combinant une mise à l'échelle gaussienne et un découpage temporel est introduite et évaluée sur des données réelles. De plus, un jumeau numérique physique est également développé pour évaluer la capacité du modèle de substitution à s'adapter à différentes topologies et configurations de réseaux. Le modèle de substitution est ensuite couplé avec différents algorithmes d'optimisation, notamment des algorithmes évolutionnaires et des agents d'apprentissage par renforcement, afin d'évaluer son impact sur l'accélération du pilotage. Les résultats montrent que, si l'optimisation basée sur la simulation physique permet d'obtenir les réductions de coûts opérationnels les plus importantes, l'optimisation basée sur le modèle de substitution offre un meilleur compromis entre précision et coût computationnel, réduisant le temps d'optimisation de plusieurs jours à quelques heures seulement. Enfin, cette thèse élargit l'optimisation du contrôle en intégrant des critères environnementaux via une analyse du cycle de vie. Une nouvelle méthode de pénalisation dynamique des émissions de particules fines est proposée et ajoutée à la fonction objectif pour tenir compte des épisodes de pollution d'air. Les résultats révèlent les principaux compromis entre la réduction des émissions CO2 et d'autres impacts environnementaux, tout en soulignant l'importance du stockage thermique pour assurer une performance durable et flexible des réseaux.

IRM quantitative pour la planification de la radiothérapie dans la zone tête et cou

Doctorante : Laura SAYAQUE

Laboratoire INSA : CREATIS - Centre de Recherche en Acquisition et Traitement de l'Image pour la Santé
École doctorale : ED n°205 ISS - Interdisciplinaire Sciences-Santé

Lors d’un traitement par radiothérapie, les patients oto-rhino-laryngé (ORL) passent plusieurs examens à visée diagnostique tels qu’un scanner X (CT) et une IRM (Imagerie à Résonnance Magnétique). Lors du CT le patient est positionné à l’identique au traitement. La dosimétrie est calculée sur les images du CT et l’IRM permet, au-delà du diagnostic, d’ajuster le contour des volumes tumoraux et à risque. Néanmoins, l’IRM pourrait être utilisée pour l’ensemble de la planification afin de réduire les erreurs liées au recalage intermodal et limiter l’examen à une seule imagerie non irradiante. Un CT synthétique (sCT) remplacerait l’actuel CT pour la dosimétrie. Les méthodes les plus récentes permettent de construire ce sCT par apprentissage automatique, mais elles nécessitent des bases de données suffisamment grandes et diversifiées. En effet, elles sont peu sensibles aux variations anatomiques de chaque patient et peuvent donner des résultats biaisés dans le cas de variations non présentes dans la base de données d’apprentissage. De plus, les patients atteints de cancers de la zone ORL montrent des localisations tumorales très variées et sont, en général, âgés de plus de 50 ans avec pour la plupart des plombages, couronnes ou implants dentaires. Ces plombages engendrent des artefacts dont l’impact diffère en fonction de leurs caractéristiques et de leur localisation par rapport à la tumeur et aux organes à risques (OAR) mais aussi en fonction de la modalité d’imagerie utilisée. Leur caractère imprévisible accentue le besoin de méthodes qui se détachent de l’anatomie des patients pour la génération du sCT. Dans ce contexte, cette thèse vise à proposer des méthodes d’IRM quantitative fondées uniquement sur des images paramétriques ou multiparamétriques pour réaliser une radiothérapie ORL à partir d’un examen IRM. La première partie de cette thèse s’intéresse à une nouvelle approche fondée sur la quantité d’hydrogène contenue dans les tissus. Elle s’obtient à partir de la mesure de la densité de protons, estimée avec une séquence IRM à temps d’écho ultra court (UTE). De premières études ont montré un lien entre la quantité d’hydrogène dans les tissus, leur coefficient d’atténuation massique et leur pouvoir d’arrêt massique, qui sont liés à la densité électronique. Ce lien nous a permis de générer un CT synthétique (sCT) pour le calcul de la dosimétrie, qui est comparée à celle du CT de référence. La comparaison, effectuée sur 25 patients, montre des résultats proches de la littérature (différence de doses <2% en moyenne). Néanmoins, l’erreur absolue moyenne (MAE) entre le sCT et le CT reste élevée en raison des difficultés à correctement mesurer le signal de l’os et des implants. La deuxième partie de cette thèse s’intéresse à l’impact de la qualité du sCT sur la dosimétrie. Plusieurs sCT sont comparés en faisant varier le nombre de pixels assignés aux tissus osseux avec une méthode d’assignation de densité. L’étude menée sur 24 patients montre des différences de doses plus faible pour le sCT sans assignation osseuse (<2% pour la plupart des volumes), et des résultats similaires avec une classe de tissus osseux au plus juste et surestimée. Un CT “sans os” est aussi évalué en leur assignant l’intensité de l’eau (0 Unités Hounsfield, UH). La différence de doses est inférieure à 1% pour presque tous les OAR et les volumes tumoraux. L’impact de l’énergie à laquelle le scanner X est effectué sur le contraste entre les tissus a été validé à l’aide d’un fantôme. Comparé au CT à 120kV, à l’énergie de traitement (6MV), la différence d’UH entre les tissus diminue, notamment entre l’os et les tissus mous, se rapprochant du contraste de l’IRM. L’importance de l’attribution correcte des régions osseuses n’est donc pas aussi impactante que le laisserait supposer le contraste sur les images de CT. Ainsi, une conversion directe des images IRM en densités électroniques permettrait un calcul de dose plus proche de la référence.

Contrôle interactif du style et de la structure de terrains numériques

Doctorant : Simon PERCHE

Laboratoire INSA : LIRIS - Laboratoire d'lnfoRmatique en Image et Systèmes d'information

École doctorale : ED n°512 lnfoMaths - Informatique et Mathématiques de Lyon

La création et l'édition de terrains numériques constituent une étape fondamentale dans l'élaboration de mondes virtuels pour des domaines variés allant des simulations scientifiques au divertissement. Malgré les progrès des outils d'édition de terrain, répondre pleinement aux exigences expressives des artistes reste un défi dont les principaux aspects sont l'interactivité et le contrôle. Cette thèse est séparée en deux parties. Premièrement, nous explorons une approche basée sur l'apprentissage profond pour apprendre une représentation latente riche des terrains. Ce modèle permet non seulement de générer des terrains aux styles variés mais offre surtout de nouvelles possibilités pour le contrôle du style localisé, l'amplification cohérente de détails, et l'édition guidée par des esquisses ou des terrains basse résolution. La seconde partie introduit une approche basée sur une représentation vectorielle continue, définissant le terrain comme une somme de primitives. Cette méthode inclut un algorithme efficace pour vectoriser des terrains matriciels et propose un système d'édition basé sur un squelette structurel, dérivé des lignes de crêtes. Cette interface permet une manipulation directe, sémantique et intuitive des formes géomorphologiques majeures, offrant un contrôle structurel local et global précis. Ces deux approches offrent des capacités complémentaires, allant du contrôle du style à l'édition structurelle. Un effort particulier a été consacré à leur intégration pratique via le développement d'interfaces utilisateurs dédiées, facilitant leur évaluation et leur potentielle adoption. En enrichissant la palette d'outils à disposition des artistes avec des méthodes spécifiquement conçues pour le contrôle du style ou de la structure, cette thèse contribue à rendre la création et l'édition de terrains plus expressives, efficaces et mieux alignées avec les processus créatifs artistiques.
 

Apprentissage fédéré en segmentation en imagerie cérébrale

Doctorant : Matthis MANTHE

Laboratoire INSA : CREATIS - Centre de Recherche en Acquisition et Traitement de l'lmage pour la Santé

École doctorale : ED160 EEA - Electronique, Electrotechnique Automatique de Lyon

L'apprentissage profond en analyse d'image médicale peut amener des outils cliniques intéressants, en accélérant les tâches rébarbatives et ouvrant la porte à des propositions de diagnostique automatiques. Ces modèles entraînés en laboratoire montrent souvent une pauvre capacité de généralisation, principalement dûe au manque de données d'entraînement ce qui limite leur utilité clinique. La construction de bases de données inter-institutionnelles et internationales se heurte aux questions de sensibilité des données de santé. Construire de grandes bases de données dans le domaine médical est excessivement difficile, que ce soit dû aux régulations de données strictes ou aux nombreuses barrières humaines et systémiques. L'apprentissage fédéré a été proposé en 2016 comme un paradigme d'apprentissage décentralisé, collaboratif et sécurisé. Il pourrait être une réponse partielle au problème de partage de données, permettant la collaboration entre différentes entités médicales pour l'entraînement de gros modèles profonds pour un coût légal et de sécurité des données limité. L'algorithme pionnier FedAvg donne des résultats convaincants sur un grand nombre de tâches, mais son utilisation pose de nombreuses questions telles que la justice dans la fédération, sa robustesse aux données aberrantes et ses réelles capacités en sécurité des données. Entre autre apparaissent de sérieuses contraintes sur la distribution des données dans ces fédérations, chaque institution ne possédant qu'une fraction des données biaisée et non représentative. Cette configuration hétérogène des données a été montrée comme altérant significativement la convergence des apprentissages. L'objectif de cette thèse est principalement exploratoire à travers la question de recherche suivante: Comment entraîner des réseaux profonds de manière fédérée pour des tâches de segmentation d'images neurologiques, dans des configurations cross-silo (entre 10 et 100 institutions) et hétérogènes (avec différents modes d'acquisition et de labellisation des données entre institution)?Les organisateurs du challenge Brain Tumor Segmentation (BraTS) ont publié le partitionnement par institution de cette base de données populaire, créant la première (et seule à l'époque) grande base fédérée publique réaliste pour cette préciseuse tâche; FeTS 2021 et 2022. L'étude de l'apprentissage fédéré profond cross-silo et hétérogène pour cette tâche est le point focal de cette thèse. Nous avons dans un premier temps produit un large benchmark de méthodes d'apprentissage fédéré sur la base FeTS 2022. Nous avons exploré pour la première fois les performances de méthodes personalisées et clusterisées pour cette tâche. Nous avons montré que extit{FedAvgJ performe déjà très bien, mais peut être légèrement battu par certaines autres méthodes globales, personalisées ou clusterisées. Nous avons complété ce travail par une méthode basée de comparaison des coûts de ces algorithmes fédérés dans toute leur complexité. De plus, nous avons proposé un nouvel algorithm de rafinement fédéré clusterisé par patient specifiquement pour la segmentation automatique de tumeurs cérébrales. Par un clustering côté serveur basé sur des mesures radiomiques par volume, nous pouvons ratiner un modèle fédéré par type d'acquisition, améliorant légèrement les performances de segmentation. Enfin, nous avons généralisé ce paradigm d'apprentissage fédéré clusterisé par image pour une hétérogénéité d'apparence en segmentation. Nous proposons un clustering dans l'espace des gradients d'un modèle pendant son apprentissage fédéré, montrant une correspondance surprenamment précise avec des aprioris sur l'origine des données. Nous sommes sortis du champ biomédical dans ce travail, évaluant ce paradigme avec une base de données jouet ainsi qu'une tâche de segmentation courante en adaptation de domaine, Cityscapes et GTAS.

Soutenance publique

Maître de conférence : Florin-Doru HUTU

Laboratoire INSA : CITI

Rapporteurs :

• Pr. Daniela DRAGOMIRESCU INSA Toulouse
• Pr. Ioannis KRIKIDIS Université de Chypre
• Pr. Smail TEDJINI Univ. Grenoble-Alpes, Grenoble INP

Jury  : 

• Pr. Daniela DRAGOMIRESCU INSA Toulouse
• Pr. Ioannis KRIKIDIS Université de Chypre
• Pr. Smail TEDJINI Univ. Grenoble-Alpes, Grenoble INP
• Pr. Yvan DUROC Université Claude Bernard Lyon 1
• Pr. Bruno ALLARD INSA Lyon
• Pr. Guillaume VILLEMAUD INSA Lyon