Sujet :

Algorithme d’aide à la décision pour la maintenance des optiques du LMJ

Contexte :

Le suivi de l’endommagement laser des composants optiques sur les chaînes laser du Laser Mégajoule (LMJ) est un élément essentiel pour optimiser le maintien en conditions opérationnelles de cette installation. Sur l’installation, des diagnostics réalisent des mesures d’endommagement des composants optiques afin de s’assurer de leur intégrité. Les dommages sont détectés sur les acquisitions par des algorithmes de traitement d’images. L’analyse de l’évolution de ces dommages doit permettre de repérer leur apparition et de prédire leur croissance. Les contraintes en termes de résolution et de nombre de données à traiter nécessitent la mise en oeuvre de traitements numériques pour réaliser ces opérations d’analyse.

Objectif de la thèse :

L’objectif de cette thèse est de mettre au point un algorithme de classification des dommages en fonction de leur dangerosité et d’en déduire des lois d’exploitation. C’est sur cette base que sont prises les décisions de maintenance des optiques sur le LMJ. En complément des acquisitions d’endommagement, le LMJ est également équipé, en base arrière, de bancs pour l’analyse expérimentale de la tenue au flux laser de composants représentatifs de la chaîne LMJ. Ces données seront utiles pour la mise au point de l’algorithme.

Déroulement de la thèse :

En collaboration avec une équipe d’ingénieurs et techniciens, le travail de cette thèse comprend les tâches suivantes :

• Constitution d’une base de données regroupant les acquisitions traitées, les données laser et, éventuellement, de données complémentaires avec caractérisation manuelle pour la validation des algorithmes
• Conception de l’architecture algorithmique (arbre de décision, machine learning, deep learning) en confrontant les lois observées sur l’installation LMJ et en base arrière afin d’extraire les paramètres pertinents
• Dimensionnement de l’infrastructure informatique nécessaire pour la réalisation des calculs
• Développement des algorithmes de classification
• Validation des algorithmes par confrontation aux données obtenues sur l’installation (la base de données pourra être agrémentée au fur et à mesure de la thèse avec les nouvelles données acquises sur l’installation)

Directeur de thèse et école doctorale :

Nicolas BONOD – nicolas.bonod@fresnel.fr
ED 352 – Physique et sciences de la matière
Université Aix-Marseille

Encadrant :

Chloé LACOMBE – chloe.lacombe@cea.fr
CEA/CESTA – BP 2 – 33114 Le Barp
Tél. : 05.57.04.40.00
INFORMATIQUE & LOGI