Soutenance publique

Maître de conférences : Jilles Steeve DIBANGOYE

Laboratoire INSA : CITI

Rapporteurs :

• M. François CHARPILLET, Directeur de Recherche (DR) INRIA Nancy Grand-Est
• M. Jérôme LANG, Directeur de Recherche (DR) CNRS Université Paris-Dauphine
• Mme Aurelie BEYNIER, Maître de Conférences (HDR) Sorbonne Université

Jury :

• M. François CHARPILLET, Directeur de Recherche (DR) INRIA Nancy Grand-Est,
• Rapporteur
• M. Jérôme LANG, Directeur de Recherche (DR) CNRS Université Paris-Dauphine,
• Rapporteur
• Mme Aurelie BEYNIER, Maître de Conférences (HDR) Sorbonne Université,
• Rapporteur
• M. Abdel-Illah MOUADDIB, Professeur Université de Caen Basse-Normandie,
• Examinateur
• M. Vincent ANDRIEU, Directeur de Recherche (DR) CNRS, Université de Lyon 1,
• Examinateur
• Mme Christine SOLNON, Professeur INSA de Lyon, Marraine

Spatio-temporal data analysis for dynamic phenomenon monitoring using mobile sensors

Doctorante : Ichrak MOKHTARI

Laboratoire INSA : CITI
Ecole doctorale : ED512 : Infomaths

La surveillance des panaches de pollution est cruciale dans les situations d'urgence en raison des effets potentiellement catastrophiques des polluants. Les panaches sont hautement dynamiques et se dispersent rapidement, nécessitant une réponse en temps réel et une cartographie précise de la dispersion pour atténuer les risques. Cette thèse se concentre sur le suivi de la pollution dynamique dans les situations d'urgence, avec trois axes principaux : 1) la prédiction spatio-temporelle de l'évolution du panache de pollution; 2) la planification de trajectoires optimales des drones pour l'améliooration de la cartographie de la pollution; 3) le développement d'un framework générique pour la surveillance des panaches de pollution en situation d'urgence. Dans cette optique, nous proposons dans un premier temps un modèle spatio-temporel basé sur l'apprentissage profond pour la prediction multipoint des concentrations de pollution, et au dessus, nous implémentons plusieurs techniques de quantification de l'incertitude pour avoir une mesure de fiabilité de ce dernier. De plus, nous examinons et identifions les principaux défis liés à la nature dynamique du phénomène étudié ainsi que son contexte d'urgence, et nous proposons une nouvelle approche systémique pour la surveillance de la pollution dynamique se basant sur la mesure aérienne, et combinant des approches d'apprentissage profond avec des techniques d'assimilation de données, tout en s'appuyant sur des stratégies de planification de trajectoires de drones adéquates. Nous étendons ensuite ce framework pour prendre en compte les problèmes de manque de données rencontrés grâce à une solution d'apprentissage par transfert basée sur un modèle physique. Enfin, nous abordons plus méticuleusement le problème de la planification optimale des trajectoires des drones dans le but d'améliorer la qualité de la cartographie de la pollution, avec une solution d'apprentissage par renforcement multi-agents.

Methodology for the development of Smart epoxy/LDH-EDDS coatings for corrosion protection of XC38 carbon steels

Doctorant : Gata Joseph AYEMI 

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

Les hydroxydes doubles stratifiés (LDH) sont des candidats intéressants comme réservoirs d'inhibiteurs de corrosion pour la protection des métaux. En effet, ces espèces présentent une forte capacité à libérer l'inhibiteur contenu entre leurs lamelles d'hydroxyde, et sur la base du principe d'échange d'anions, elles permettent simultanément la capture d'espèces agressives telles que l'ion chlorure présent dans la solution. En raison de leurs propriétés susmentionnées, ils représentent des charges intéressantes qui peuvent être incorporées dans la matrice des revêtements époxy pour améliorer les propriétés de barrière. La conception d'un système intelligent d'inhibition de la corrosion, utilisant ce matériau, pourrait augmenter de manière significative la durabilité et l'efficacité du système revêtu en fournissant une protection active contre la corrosion.
L'objectif de cette thèse est d'étudier l'efficacité du système LDH Zn-Al comme réservoir intelligent d'acide éthylènediamine-N,N'-disuccinique (EDDS).    Le LDH [Zn2Al(OH)6]+[EDDS]4-0.25 2H2O (LDH-EDDS ) est ensuite incorporé dans une matrice de revêtement époxy pour une protection active contre la corrosion de l'acier au carbone XC38 en milieu chlorure de sodium. Le choix de l'EDDS non toxique et biodégradable comme inhibiteur vise à remplacer l'acide éthylènediamine-tétraacétique (EDTA), qui est nocif et difficilement biodégradable. La première partie des résultats, présente une méthodologie pour caractériser l'efficacité de la LDH-EDDS essentiellement basée sur des mesures électrochimiques. La deuxième partie des résultats est consacrée à la caractérisation de revêtements époxy contenant différentes quantités de LDH-EDDS afin de déterminer la teneur optimale nécessaire pour obtenir de meilleures propriétés de protection contre la corrosion. L'étude est menée en utilisant des techniques électrochimiques, telles que les courbes courant-potentiel, la spectroscopie d'impédance électrochimique globale et locale (EIS). Les données d'impédance du système revêtu obtenues par SIE sont interprétées en détail à l'aide d'une méthode graphique améliorée et de profils de distribution, de résistivité, de loi de puissance le long de l'épaisseur des revêtements. Ces résultats permettent une meilleure interprétation et compréhension des mécanismes se produisant aux interfaces revêtement/électrolyte et/ou substrat/revêtement. Des analyses complémentaires telles que des observations MEB, OCP-OES, etc sont menées pour proposer une interprétation des résultats.

Mots-clés : Inhibition de la corrosion, Acier au carbone, Revêtement époxy, LDH, EIS.

Flocking models based on local communications : From theory to simulations

Doctorant : Alexandre BONNEFOND

Laboratoire INSA : CITI

Ecole doctorale : ED512 InfoMaths

Les flottes de robots aériens sont désormais utilisées pour de multiples applications telles que la livraison ou encore la surveillance. Cependant, contrôler un grand nombre de drones demeure un défi important. Dans cette thèse, nous étudions des stratégies de flocking, directement inspirées de la nature et reposant sur un modèle décentralisé où les entités concernées interagissent localement par le biais de communications. En analysant les performances de modèles de flocking existant dans des environnements très contraints (par des obstacles), nous identifions les potentielles limites de ces modèles et nous proposons de les adapter et pour les rendre plus robustes. Dans ces travaux, nous considérons les communications sans fil comme étant le seul moyen d’accéder aux informations des voisins, ainsi nous intégrons un modèle de communication réaliste au simulateur de flocking de Viragh et al.. L’analyse des contraintes de pression au sein des flockings nous conduit à développer un nouveau modèle introduisant des interactions asymétriques et capable de faire évoluer les agents (drones) dans des environnements très contraints sans générer de collisions, nommé APR (Asymmetric Pressure Regulation). Notre dernière contribution consiste en un algorithme de type leader- follower distribué permettant à tout agent follower de devenir un leader. Cela renforce considérablement la cohésion de la flotte et donc favorise le succès de missions consistant à traverser des environnements complexes comme des tunnels.

Développement d’une méthode de modélisation et maillage de réseaux artériels basée sur la ligne centrale pour les études hémodynamiques des pathologies cérébrovasculaires / Development of a centerline-based arterial network modeling and meshing framework for hemodynamic studies of cerebrovascular pathologies

Doctorante : Méghane DECROOCQ

Laboratoire INSA : LIRIS
Ecole doctorale : ED512 Infomaths

La dynamique des fluides numérique (CFD) est une technique qui fournit des informa- tions précieuses sur l’écoulement du sang à partir de la géométrie vasculaire, permettant de comprendre, de diagnostiquer et de prévoir l’issue des maladies vasculaires. Cependant, la résolution des images médicales actuelles n’est pas satisfaisante, et il est encore difficile d’extraire les vaisseaux sanguins, en particulier ceux dont la géométrie est complexe, comme les réseaux d’artères cérébrales. Dans cette thèse, nous avons proposé un cadre en deux étapes pour produire des maillages prêts pour la CFD à partir d’une représentation simplifiée des réseaux vasculaires par leurs lignes centrales. Dans la première étape, afin de pallier aux défauts de la représentation basée sur les lignes centrales (dispersées, bruitées), une étape de modélisation a été introduite pour reconstruire un modèle anatomiquement réaliste à partir de connaissances a-priori sur les vaisseaux et les géométries des bifurca- tions. Ensuite, une étape de maillage a été développée pour créer un maillage volumique de haute qualité avec des cellules hexaédriques structurées et orientées vers l’écoulement, répondant aux exigences de la CFD. Grâce à ce logiciel, nous avons créé une base de donnée de maillages pour la CFD de réseaux entiers d’artères cérébrales, qui peut être utilisé pour l’évaluation de dispositifs médicaux et les études hémodynamiques. Ce logiciel contribue à combler des lacunes des méthodes de maillage actuelles et permet la construction de bases de données de larges réseaux artériels cérébraux pour la CFD.

 

« Investigation of the thermal conductivity tuning of solid materials for energy-efficient systems using scanning thermal microscopy »

Doctorant : Wenxiang SUN

Laboratoire INSA : CETHIL

Ecole doctorale : ED162 : MEGA

One potential solution for system thermal management is to create nanostructured or nanocomposite materials, as they can exhibit a tuned thermal conductivity. Two types of materials developed in this direction were studied. They are amorphous chromium disilicide (CrSi2) thin films on substrate that were modified by implantation with neon (Ne) and aluminum (Al) ions at room temperature and at 250°C for thermoelectric applications, and bulk polymer nanocomposites where nanofillers (expanded graphite, multiwall carbon nanotubes (MWCNTs), and MXenes) are used to enhance the polymer thermal conductivity for electronic applications (as an example). Scanning thermal microscopy was used to analyze the heat conduction within both the material types as a function of their microstructure change. Estimations of the contribution of phonons and electrons to the heat conduction in CrSi2 samples obtained. These results combined with material microstructure analyses show a thermal conductivity (k) decrease of the CrSi2 for all the studied samples, more pronounced for the ion-implantation at 250°C. This decrease is attributed to implantation induced defects clusters (energy carrier scattering centers), phonon path disruption by atom mass contrast and nanocrystallites (created due to a radiation-enhanced phase transformation process at 250°C) with depletion zones for electrons at nanocrystallite boundaries. For Ne-implantations, observed Ne bubbles additionally induced by the ion-implantation also lead to phonon scattering. For polymer nanocomposites, k-measurements combined with the analyses of the material microstructure allow to verify that the introduction of carboneous fillers increases the heat conduction in materials while the filler concentration increases. A new analytical model, which allows the k-estimation in the case of MWCNTs-multiphase PVDF based composites, is proposed and results are compared with measurements. Main findings show that the β phase- PVDF, created because MWCNTs introduced in the PVDF matrix act as nucleation centers for β phase-PVDF, explains the increase of the k of the nanocomposite.

Mécanismes de corrosion fatigue : du fil d’acier perlitique à la nappe composite d’un pneumatique poids lourd.

Doctorant : Jonathan QUIBEL

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

Dans les pneumatiques poids lourds, la nappe carcasse est un matériau composite dont le rôle principal est de soutenir les contraintes mécaniques issues de la pression de gonflage et de la masse du véhicule. Ce composite est formé d’une gomme (mélange caoutchoutique) et de renforts métalliques composés de fils d’acier perlitique tréfilés assemblés sous forme de câbles. Lors du roulage, la nappe carcasse est sollicitée en flexion cyclique sous tension. De plus, différentes espèces chimiques diffusent dans la gomme jusqu’au renfort métallique. Il peut en résulter un endommagement de corrosion fatigue (ECF) du composite. La démarche liée à la réduction de la consommation de carburant et donc des émissions de gaz à effet de serre peut passer par une diminution de la masse du pneumatique et donc du métal utilisé. Cependant, il est nécessaire de comprendre l’ECF pour garantir les mêmes performances du pneumatique. Pour cela, cette étude est réalisée à deux échelles : le fil de 180 µm de diamètre constitutif du câble et la nappe composite.
A l’échelle du fil, les essais instrumentés de flexion rotative en environnement aqueux contrôlé montrent que l’endommagement est la conséquence d’un amorçage de fissure de fatigue par dissolution et/ou d’une fragilisation par l’hydrogène du métal. Ils montrent également que la durée de vie des fils est conditionnée par la réactivité de surface des fils par rapport aux ions en solution.
Pour la nappe composite, des essais de flexion cyclique sous tension sont réalisés parallèlement à des simulations par éléments finis des câbles gommés (champs des contraintes mécaniques au sein des fils des câbles). En combinant les résultats expérimentaux et numériques, un mécanisme d’endommagement du composite sollicité en fatigue sous environnement est proposé. Le mécanisme montre l’effet synergique entre l’environnement agressif, la sollicitation de fatigue et la géométrie d’assemblage du renfort métallique.

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.