Solveurs inverses analogiques pour une IA frugale en contrôle non destructif (H/F)

Sujet de thèse: Et si certains problèmes inverses en imagerie pouvaient être résolus non par des itérations numériques coûteuses, mais par la relaxation naturelle d’un circuit analogique reconfigurable? Ce doctorat vous place à l’interface entre IA frugale, traitement du signal, électronique et contrôle non destructif. Dans le cadre de l’AI Cluster ENACT, vous développerez des solveurs inverses analogiques fondés sur l’énergie pour l’évaluation non destructive (NDE) , implémentés sur des Field-Programmable Analog Arrays (FPAA) , l’équivalent analogique d’un FPGA. L’ambition est double: améliorer la résolution et l’interprétabilité de problèmes inverses réels en imagerie THz, et réduire rigoureusement le coût énergétique du calcul par rapport à des approches CPU/GPU ou FPGA purement numériques. Le projet cible trois cas d’usage concrets: (i) déconvolution parcimonieuse de signaux THz pour localiser des interfaces sous-surfaciques au-delà de la résolution nominale ; (ii) reconstruction stratigraphique multi-couches sous contraintes physiques ; (iii) estimation locale d’épaisseur de revêtement sur zones d’intérêt, à l’échelle et avec quantification d’incertitude. Vous concevrez les fonctions d’énergie, implémenterez les dynamiques de relaxation analogique sur FPAA et développerez la boucle hybride analogique-numérique (calibration, orchestration, détection de convergence, indicateurs de qualité) . Ce sujet offre un positionnement rare: cotutelle avec Georgia Tech, interaction forte avec l’Institut Jean Lamour pour l’accélération FPGA/numérique, et adossement direct au projet ANR AATLAS. Vous travaillerez sur de vraies données expérimentales, du matériel reconfigurable de pointe, et une IA à la fois explicable, embarquable et sobre.