En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Doctorant (H/F) en informatique/automatique

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Date Limite Candidature : lundi 12 décembre 2022

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Informations générales

Référence : UMR7503-DOMMAR-001
Lieu de travail : VANDOEUVRE LES NANCY
Date de publication : lundi 21 novembre 2022
Nom du responsable scientifique : Dominique Martinez
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 mars 2023
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel

Description du sujet de thèse

Classification de systèmes dynamiques en combinant des approches basées IA et issues de l'automatique:

A ce jour, l'automatique classique utilise (de façon implicite ou explicite) un modèle du système afin de construire un estimateur de l'état, une loi de commande, faire de la classification ou du diagnostic à partir d'observations provenant de multiples capteurs. Pour une classe de systèmes, sous certaines hypothèses comme l'observabilité et/ou la contrôlabilité, on arrive à démontrer la stabilité de ces approches. Néanmoins dans de nombreux cas, même lorsque le modèle est connu, il est difficile de trouver des solutions analytiques en se basant uniquement sur le modèle. Si l'intelligence artificielle (IA) pour la classification de données statiques a connu un essor considérable durant ces dernières décennies, comme l'attestent les nombreux travaux dans le monde académique et industriel (e.g. Google Colab), l'utilisation des techniques de l'IA pour la classification ou le diagnostic de systèmes dynamiques ouvre un champ relativement peu exploré avec beaucoup de promesses. Le sujet de thèse concerne la classification de données temporelles issues de capteurs en combinant l'approche de l'automatique basée sur l'identification et la modélisation du système dynamique avec celle de l'IA basée sur l'apprentissage à partir des données disponibles. L'intérêt majeur de combiner les deux approches concerne l'utilisation d'algorithmes d'apprentissage prenant en compte un modèle du système dynamique même lorsque le modèle est partiellement connu ou variant dans le temps.

Le sujet de thèse se décline en deux volets :
-Un volet méthodologique dont l'objectif est de développer des approches génériques, basées sur l'IA et l'automatique, pour la classification de systèmes dynamiques à partir de données capteurs. Dans un premier temps, il s'agira d'étendre l'approche développée par Battistelli et Tesi (IEEE Trans. Automatic Control 2021) à la classification de systèmes non-linéaires.
-Un volet dédié à la validation expérimentale des résultats théoriques obtenus pour le traitement des capteurs chimiques : des biocapteurs développés dans le cadre du projet ANR Pherosensor (https://anr.fr/ProjetIA-20-PCPA-0007) et des capteurs à oxyde métallique développés par notre partenaire au Qatar.

Contexte de travail

La thèse proposée s'inscrit dans le cadre d'une co-tutelle entre l'université de Lorraine et l'université du Qatar. Le/la candidat.e passera la moitié de la thèse au LORIA à Nancy (www.loria.fr) et l'autre moitié à Hamad Bin Khalifa University (www.hbku.edu.qa) à Doha.

Contraintes et risques

La thèse proposée devra commencer au plus tard en Mars 2023.

On en parle sur Twitter !