Détection Et diagnostiC de L’embAllement theRmique combinant mécanique quANTique et IA (DECLARANT)

Laboratoire GREAH/Université le Havre Normadie; France; Sur place; EUR 40 000 - 60 000; Plein temps

Résumé du poste

Un laboratoire de recherche en France propose une thèse sur le développement de méthodes de détection et de diagnostic liées aux risques thermiques des procédés de valorisation de la biomasse. Le candidat idéal possède un Master 2 en automatique ou mathématiques, et un intérêt pour l'intelligence artificielle. Ce contrat doctoral offre une chance unique de travailler sur des projets innovants au sein d'une collaboration interdisciplinaire.

Prestations

Encadrement par des chercheurs expérimentés

Accès à des installations de pointe

Qualifications

• Candidat·e issu·e d’un profil en automatique ou en mathématiques.
• Une bonne pratique de la programmation est appréciée.

Responsabilités

• Développer des modèles cinétiques multifactoriels.
• Innovations dans la détection et le diagnostic d’alerte précoce.

Connaissances

Connaissance des méthodes de diagnostic

Pratique de la programmation

Intelligence Artificielle

Formation

Master 2 ou équivalent

Description du poste

Overview

Laboratoire GREAH/Université le Havre Normandie

Contexte de recherche et programme de thèse sur le développement de méthodes de détection et de diagnostic dans le cadre des risques thermiques associés aux procédés de valorisation de la biomasse.

Objectifs et contexte

Cette thèse porte sur le développement de modèles cinétiques multifactoriels intégrant l’évolution de la pression et la composition des phases gazeuse et liquide, afin d’améliorer la prédiction des emballements thermiques lors de valorisations de la biomasse et des procédés fortement exothermiques tels que l’hydrogénation et l’oxydation du furfural. Des algorithmes de détection et de diagnostic basés sur l’IA et l’apprentissage automatique seront développés et entraînés sur le jumeau numérique des expériences via les modèles cinétiques.

Les travaux s’inscrivent dans le cadre du projet AAPG ANR 2025 «QUANTum mechAnicS for prediction and arTificial Intelligence for early thermal runaway deteCtion and mitigation» (QUANTASTIC), en collaboration entre trois établissements: Laboratoire de Chimie (LCH-UMR 5182) CNRS-École Normale Supérieure de Lyon, Université Lyon 1; Laboratoire de Sécurité des Procédés Chimiques (LSPC-UR 4707) INSA-Université de Rouen; et GREAH (EA 3220), Université Le Havre Normandie.

Objectifs détaillés

1. Développer des modèles cinétiques multifactoriels, incluant différents modes thermiques, la présence de matériaux à changement de phase (PCM), la pression et la composition de la phase gazeuse.
2. Innover dans la détection et le diagnostic d’alerte précoce en couplant le signal de température avec la pression et/ou la composition de la phase gazeuse à l’aide d’une intelligence artificielle entraînée sur le jumeau numérique.

Détection et Diagnostic

Pour développer les méthodes de détection et de diagnostic, nous explorerons les méthodes d’IA et de ML comme alternative aux approches conventionnelles basées sur la connaissance et les techniques algébriques pour la détection et le diagnostic des emballements thermiques. Le projet vise à:

• Au niveau de la détection: utiliser des techniques de regroupement ou d’autres approches pour diviser l’espace d’état en régions étiquetées normale, acceptable et critique selon des paramètres clés (par exemple température et pression).
• Au niveau du diagnostic: séparer les causes profondes de l’emballement thermique sur la base de l’historique des paramètres clés.

Profil du candidat

Candidat·e issu·e d’un profil en automatique ou en mathématiques (niveau M2 ou équivalent). Une connaissance des méthodes de diagnostic et de IA sera appréciée ainsi qu’une bonne pratique de la programmation.

Informations pratiques

Funding category: Contrat doctoral