STAGE Application du Machine Learning pour des inférences directes sur des mesures comprimées dans le domaine de réflectométrie

Date de mise à jour de l’offre

Commissariat à l’Energie Atomique et aux Energies Alternatives :

Organisme de recherche

Description de la mission

La réflectométrie est une méthode de diagnostic qui permet d'identifier et caractériser des défauts électriques sur des lignes de transmission grâce à l'analyse de la réflexion d'un signal de sonde envoyé dans le câble. Une solution novatrice est la technique de l'échantillonnage comprimé qui permet à partir d'une quantité limitée de données acquises, une reconstruction pertinente du signal grâce à des algorithmes de reconstruction performants.

Le stage proposé consiste à utiliser les techniques du Machine Learning, en particulier l’apprentissage profond, pour classifier, à partir des échantillons comprimés acquises avec la technique de l’échantillonnage comprimé, les états du câble (câble sain, câble endommagé) et détecter la nature et la position des différents défauts.
L’avantage de la combinaison des deux techniques de l’échantillonnage comprimé (Compressive sampling, CS) et du Machine Learning est double : les échantillons comprimés acquis par le Compressive Sampling présentent une base de données de dimension réduite adaptée à l’application des algorithmes de Machine Learning. En plus, les méthodes issues du Machine Learning permettraient d’éviter l’utilisation d’algorithmes de reconstruction gourmands en temps de calcul et ainsi gagner en temps pour la détection des défauts.
Dans un premier temps, le candidat devra dresser l’état de l’art de l’application du Machine Learning associé à l’échantillonnage comprimé et étudier, à la lumière de cette revue bibliographique, les techniques les plus adaptées de Machine Learning dans le domaine de la réflectométrie.
Ensuite, le candidat devra construire une base d’apprentissage sous forme d’une base de données d’échantillons comprimés pour y stocker les signatures des défauts et les éléments les plus fréquemment rencontrés. Il appliquera par la suite les techniques de Machine Learning sur la base construite afin de classifier les défauts à partir des échantillons comprimés. La finalité de cet outil sera de détecter la nature du défaut (défaut franc ou non-franc) et pouvoir le localiser. Le candidat s’intéressera finalement aux méthodes d’élagage de réseaux de neurones profonds en vue de les adapter aux modèles appris.
L’outil devra être le plus modulaire possible afin d’être plus tard intégrable aux outils logiciels d’une plateforme de tests et mesures (plateforme Chronos hébergée par le CEA List et financée par la région Ile-de-France) pour la détection et caractérisation de défauts.

Profil recherché

Compétences :
• Traitement du signal
• Intelligence artificielle
• Traitement des données
• Maitrise de logiciels de calcul scientifique type Matlab, Python, etc …
• Bonne connaissance mathématique
• La connaissance sur l’échantillonnage comprimé serait un plus
• La connaissance sur la propagation des ondes serait un plus

Niveau de qualification requis

Bac + 4/5 et +
  • Employeur
    Commissariat à l’Energie Atomique et aux Energies Alternatives
  • Secteur d’activité de la structure
    Enseignement - Formation - Recherche
  • Effectif de la structure
    Plus de 250 salariés
  • Site internet de la structure
    https://www.cea.fr
  • Type de stage ou contrat
    Stage pour lycéens et étudiants en formation initiale
  • Date prévisionnelle de démarrage
  • Durée du stage ou contrat
    Plus de 4 mois et jusqu'à 6 mois
  • Le stage est-il rémunéré ?
    Oui
  • Niveau de qualification requis

    Bac + 4/5 et +
  • Lieu du stage
    CEA Saclay
    91190 GIF SUR YVETTE
  • Accès et transports
    Bus