Algorithme IA pour la prédiction de l’endommagement laser des optiques du LMJ

Contexte :

Le suivi de l’endommagement laser des composants optiques du Laser Mégajoule (LMJ) est essentiel pour garantir l’atteinte des performances attendues. Sur l’installation, des diagnostics réalisent des mesures d’endommagement des composants optiques afin de s’assurer de leur intégrité et de leur performance optique. 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.
L’objectif de ce post-doctorat est de réaliser un algorithme de classification des dommages et de prédiction de croissance. Une version préliminaire de cet algorithme de deep learning (intelligence artificielle) développé en collaboration avec l’Institut Fresnel contient les premières briques pour le tracking des dommages et la prédiction de leur évolution. Il s’agira de l’enrichir et l’améliorer en s’appuyant sur les nouvelles mesures d’endommagement acquises sur l’installation du Laser MégaJoule. Des mesures complémentaires sur des composants représentatifs seront également réalisées sur les bancs d’analyse expérimentale de la tenue au flux laser au CEA CESTA. L’ensemble de ces mesures sera utilisé pour aider à l’entrainement et au réglage des réseaux de neurones.

Objectif :

L’objectif de ce post-doctorat est de poursuivre le développement d’algorithmes d’intelligence artificielle pour la prédiction de l’endommagement laser sur le Laser MégaJoule. Le travail comprend :
• L’analyse des données issues de l’installation du LMJ, très représentatives du comportement étudié.
• La définition, le suivi et l’analyse d’expériences sur d’autres moyens expérimentaux pour apprécier l’impact des facteurs d’influence sur la croissance de dommage (taux de modulation, forme temporelle de l’impulsion laser, largeur de bande spectrale, pollution particulaire des optiques) afin de les intégrer au modèle de deep learning.
• L’analyse des publications scientifiques du domaine pour construire un ensemble algorithmique complet et représentatif.
L’algorithme aujourd’hui développé est un algorithme de deep learning supervisé. D’autres méthodes pourront être testées pour répondre aux besoins de classification des dommages et de prédiction de leur évolution. Ces travaux seront conduits en partie en collaboration avec l’Institut Fresnel (Marseille).

CENTRE

Cesta
BP 2 – 33114 Le Barp
05-57-04-40-00

CONTACT

LACOMBE Chloé
chloe.lacombe@cea.fr
LAMAIGNIERE Laurent
laurent.lamaigniere@cea.fr