Stage en cours d’études

Le microscope électronique à transmission (MET) MOSTRA de nouvelle génération permet
l’observation des microstructures avec une résolution exceptionnelle. Toutefois, cette haute précision peut
engendrer un volume de données considérable, rendant les approches de post-traitement traditionnel
difficiles à mettre en œuvre. L’extraction rapide des positions atomiques et des défauts cristallins dans une
microstructure obtenue par MET pourrait mener à une compréhension plus fine de la microstructure et la
corréler directement aux propriétés macroscopiques des matériaux étudiés, telles que la plasticité ou la
polarisation.

Face à ce défi, le développement de l’intelligence artificielle (IA) ouvre la voie à de nouvelles
méthodes de traitement d’image, capable d’assurer une analyse à la fois précise et rapide.

Deux approches complémentaires pour accélérer le traitement d’images MET par IA seront mises en œuvre
dans ce stage : (i) développer une méthode de super-résolution afin de pouvoir acquérir des images plus
petite et donc plus légère ; puis d’augmenter leur résolution par IA afin d’avoir une détection plus des
microstructures et des défauts à moindre coût, et (ii) développer un algorithme rapide et précis de
segmentation/détection du réseau cristallin et des défauts dans les images de microstructures obtenues par
MET.

Ce stage sera organisé selon les étapes suivantes :

1. Revue bibliographique : imagerie MET, super-résolution et segmentation par IA
2. Assister à l’acquisition de données MET afin de se familiariser avec les spécificités des images
   traitées
3. Prise en main des outils d’IA (Pytorch, …) et développement de modèles de super-résolution et de
   segmentation (conception, entrainement, optimisation des hyperparamètres)
4. Analyse critique et étude des capacités et limites des modèles développés
   Le stagiaire évoluera dans un environnement multidisciplinaire et aura l’occasion d’avoir une vision plus
   globale sur la microscopie en transmission et sur les méthodes d’IA pour le traitement d’image.

Ce stage s’inscrit dans un objectif plus large de développement d’outils versatiles pour la détection des
défauts dans les matériaux au sens large.