ESPCI web site
Présentation de l’Ecole Supérieure de Physique et de Chimie Industrielles de la Ville de Paris :
L’ESPCI Paris – PSL (École Supérieure de Physique et de Chimie Industrielles de la Ville de Paris) est une école d’ingénieurs généraliste qui forme, depuis 1882, des ingénieurs de rupture, adaptables et créatifs, dotés d’un solide bagage théorique et expérimental, conscients des enjeux de la société.
Elle est intégrée à un centre de recherche reconnu internationalement en physique, chimie et biologie (500 publications par an). Elle est connue pour sa capacité à transformer les connaissances issues de la recherche fondamentale en innovations de rupture (2 brevets par mois, 3 start-ups par an).
Distinguée par 6 Prix Nobel, elle accueille 400 élèves-ingénieurs, 530 chercheurs (dont 250 doctorants et 100 post-doctorants) dans 10 unités mixtes de recherche et environ 100 agents des fonctions support de la recherche et de l’enseignement.
Depuis sa création, l’ESPCI n’a cessé de mobiliser ses forces et compétences au service de sujets sociétaux majeurs et de défendre l’importance de la science au service de la société. L’environnement, la solidarité, la santé, l’accès et l’ouverture au savoir sont des enjeux que l’ESPCI s’est engagée à prendre en compte dans son quotidien tout en contribuant à les faire avancer. L’ESPCI défend l’égalité des chances et promeut la diversité sociale. Elle encourage et valorise l’engagement, notamment associatif, de ses étudiants.
Notre établissement fait partie de l’Université Paris Sciences & Lettres. Numéro 1 du classement mondial des jeunes universités publié par le Times Higher Education, PSL figure aussi dans le top 50 des meilleures universités mondiales (Shanghai, Times Higher Education, QS, CWUR).
L’ESPCI est engagée dans un vaste projet de rénovation de son campus parisien qui fera d’elle un des sites scientifiques les plus modernes de Paris.
Rattachement du poste
Le post-doc se déroulera à l’institut Langevin sous la supervision d’Alexandre Aubry. L’Institut Langevin est une unité mixte de recherche du CNRS associée à l’ESPCI Paris - Université PSL, située dans le 5ème arrondissement de Paris et englobant une centaine de membres, dont plus de 30 chercheurs et enseignant-chercheurs. Les thématiques de ce laboratoire portent sur de nombreux aspects de la physique des ondes, de l’optique aux radiofréquences en passant par l’acoustique. La thématique de ce post-doc est incluse dans le thème "Ondes, Complexité & Information" de l’Institut Langevin.
Missions et responsabilités
Au cours des dernières décennies, la propagation des ondes dans les milieux complexes a fait l’objet d’études approfondies. L’émergence de réseaux multi-éléments a permis de mieux comprendre et manipuler les champs d’ondes, qui peuvent être utilisés pour exploiter la complexité des milieux de propagation afin, par exemple, de focaliser les ondes ou d’imager des objets cachés dans ces milieux. Cette approche a été réalisée en acoustique en utilisant le concept du miroir à retournement temporel, et en optique, en exploitant des techniques de façonnage du front d’onde [1]. De manière alternative, le formalisme matriciel est particulièrement approprié en physique des ondes lorsque le champ d’ondes peut être contrôlé par des réseaux de transmission et/ou de réception d’éléments indépendants. Comme l’équation d’onde est linéaire quelle que soit la complexité du milieu, un ensemble d’opérations matricielles peut être appliqué en post-traitement à la matrice de réponse d’un réseau de capteurs afin d’optimiser le contrôle et la focalisation des ondes dans les milieux complexes.
En imagerie ondulatoire, notre objectif est de caractériser un environnement inconnu en le sondant activement et en enregistrant les ondes réfléchies par le milieu. C’est le principe de l’imagerie ultrasonore en acoustique, de la tomographie par cohérence optique (OCT) pour la lumière, du radar pour les ondes électromagnétiques ou de la sismologie par réflexion en géophysique. Toutefois, la propagation des ondes depuis les capteurs jusqu’au plan focal est souvent dégradée par les hétérogénéités du milieu lui-même. Celles-ci induisent à leur tour des distorsions du front d’onde (aberrations) et des évènements de diffusion multiplen qui peuvent fortement dégrader la résolution et le contraste de l’image. Les phénomènes d’aberration et diffusion multiple constituent donc les limites les plus fondamentales de l’imagerie dans tous les domaines de la physique des ondes.
Récemment, l’Institut Langevin a développé une approche universelle d’imagerie matricielle (IM) de milieux hétérogènes [2]-[5]. Le formalisme matriciel est en effet un outil idéal pour capturer les corrélations des champs incidents et réfléchis avec un réseau de capteurs. L’imagerie matricielle est basé sur la projection de la matrice de réflexion dans une famille de bases qui sont choisies en fonction de l’application souhaitée et du régime de diffusion. En particulier, la projection de la matrice de réflexion dans une base focalisée apporte beaucoup plus d’informations que l’image confocale que les scientifiques de l’imagerie sont habitués à manipuler.
D’une manière générale, l’imagerie matricielle nécessite l’acquisition de la matrice de réflexion complète afin de résoudre correctement les aberrations, les diffusions ou les réflexions multiples. pour résoudre correctement les aberrations, les diffusions multiples ou les réflexions. Cependant, dans de nombreuses applications pratiques en temps réel, lorsque le milieu est dynamique, la fréquence d’images requise impose une contrainte qui rend impossible la mesure de la matrice de réflexion complète. Le but de ce post-doc va être d’explorer l’utilisation de méthodes basées sur l’apprentissage pour atteindre des performances équivalentes à partir de mesures partielles de la matrice de réflexion.
Par ailleurs, l’imagerie matricielle est basée sur l’estimation de la matrice de transmission entre chaque capteur et chaque voxel du milieu à partir de la matrice de réflexion mesurée. En utilisant des méthodes d’apprentissage, nous prévoyons d’étudier les questions de recherche suivantes au cours du post-doc :
1) Peut-on obtenir une qualité d’imagerie équivalente grâce à l’apprentissage supervisé ? En d’autres termes, pouvons-nous utiliser les résultats de l’imagerie matricielle comme vérité de base pour le processus d’apprentissage, afin de pouvoir remplacer à terme l’ensemble du processus de calcul de l’imagerie matricielle par un réseau de neurones ?
2) Pouvons-nous utiliser des stratégies d’apprentissage en quelques étapes pour former efficacement différents modèles correspondant à différents systèmes d’acquisition ?
3) Pouvons-nous employer une stratégie d’apprentissage supervisé tenant compte de la physique, en utilisant une architecture adaptée avec des poids optimisés et des seuils optionnels pour cartographier les propriétés physiques d’un milieu complexe (paramètres de diffusion, vitesse des ondes, etc.) ?
References
[1] S. Gigan, O. Katz, H. B. De Aguiar, E. R. Andresen, A. Aubry, J. Bertolotti, E. Bossy, D. Bouchet, J. Brake, S. Brasselet, et al., “Roadmap on wavefront shaping and deep imaging in complex media,” Journal of Physics : Photonics, vol. 4, no. 4, p. 042501, 2022.
[2] E. Giraudat, A. Burtin, A. L. Ber, M. Fink, J.-C. Komorowski, and A. Aubry, “Unveiling the deep plumbing system of a volcano by a reflection matrix analysis of seismic noise,” arXiv preprint arXiv:2311.01296, 2023.
[3] R. Touma, A. Le Ber, M. Campillo, and A. Aubry, “Imaging the crustal and upper mantle structure of the North Anatolian fault : A transmission matrix framework for local adaptive focusing,” Journal of Geophysical Research : Solid Earth, vol. 128, no. 11, p. e2023JB026704, 2023.
[4] F. Bureau, J. Robin, A. Le Ber, W. Lambert, M. Fink, and A. Aubry, “Three-dimensional ultrasound matrix imaging,” Nature Communications, vol. 14, no. 1, p. 6793, 2023.
[5] U. Najar, V. Barolle, P. Balondrade, M. Fink, A. C. Boccara, and A. Aubry, “Non-invasive retrieval of the time-gated transmission matrix for optical imaging deep inside a multiple scattering medium,” arXiv preprint arXiv:2303.06119, 2023.
Profil
Connaissances et qualités recherchées :
compétences souhaitées en :
– physique des ondes en milieux complexes (niveau expert)
– machine learning (niveau expert)
– traitement du signal (niveau expert)
– imagerie ultrasonore (niveau expert)
– imagerie sismique (niveau expert)
– tomographie à cohérence optique (niveau expert)
Une connaissance du fonctionnement et de l’organisation de la fonction publique, notamment territoriale, est souhaitée.
Formation requise (ou diplôme) : Thèse en machine learning appliquée à l’imagerie
Expérience souhaitée : Un premier post-doc dans le domaine
Modalités de Recrutement
Catégorie : Post-doctorat
Filière : Ecole Supérieure de Physique et Chimie Industrielles de la ville de Paris
Le poste est à pourvoir :
• par voie de mutation pour les agents titulaires de la Ville de Paris ;
• par voie de détachement pour les agents titulaires d’autres fonctions publiques ;
• par voie contractuelle pour une durée d’un an pour les agents non titulaires.
Les candidatures de personnes disposant de la RQTH sont encouragées.
Poste à pourvoir à compter du : 01/10/2024
Contact
Les candidatures (CV, lettre de motivation) sont à transmettre par courriel à Alexandre Aubry (alexandre.aubry@espci.fr) en indiquant leur statut (Titulaire ou Non titulaire) ainsi que leur corps et grade (uniquement pour les titulaires)
Pour tout complément d’informations, contacter : alexandre.aubry@espci.fr
Tél. 0180963066
Lieu
10, Rue Vauquelin 75005 Paris
Métro ligne 7 (Place Monge/Censier Daubenton) - RER B (Luxembourg) - Bus 21, 27 & 47 - 3 Vélib’ stations à proximité.