Stage - Développement d'Un Algorithme de Fusion de Données pour l'Analyse de Nanosubstances H/F
il y a 1 jour
Contexte Depuis plusieurs années, le LNE développe une plateforme (CARMEN) regroupant plusieurs instruments dédiés à la métrologie des nanomatériaux. L'objectif est de caractériser diverses propriétés physico-chimiques de nanoobjets : taille, forme, composition chimique, structure cristallographique, surface spécifique, état d'agglomération/agrégation etc. La plateforme est notamment constituée de deux microscopes électroniques à balayage (SEM) équipés de détecteurs de dernières générations (EDX, EBSD) pour les analyses chimiques et de plusieurs microscopes à force atomique (AFM). L'équipe de nanométrologie du LNE a publié plusieurs travaux ces dernières années concernant deux approches métrologiques innovantes : les métrologies hybride et corrélative. Le principe consiste à utiliser plusieurs instruments afin de déterminer un ou plusieurs mesurandes ainsi que des algorithmes de co-localisation pour augmenter de manière significative la quantité d'informations que l'on souhaite obtenir sur des particules d'intérêt. L'objectif du stage est d'utiliser ces approches en tirant partie de l'instrumentation disponible sur la plateforme pour analyser des mélanges de nano-substances et de caractériser les propriétés physico-chimiques de chaque population avec une résolution spatiale sub-particulaire. Pour cela, un algorithme de fusion de données sera développé pour gérer le flux de données générées par les différentes techniques. Ce stage s'inscrit dans le cadre d'un projet de R&D partenariale entre le Laboratoire National de Métrologie et d'Essais (LNE, Île de France), acteur clé de la métrologie en France, et la société Pollen Metrology, startup française développant des solutions logicielles pour la métrologie avancée. L'objectif de ce projet est de développer un démonstrateur, sous la forme d'une plateforme de fusion de données de mesures physicochimiques appliquées à des mélanges complexes de nano substances. Missions Le(a) stagiaire contribuera activement à la conception et au développement du démonstrateur, en collaboration avec les équipes du LNE et de Pollen Metrology et ce autour de deux étapes clés : - Identification et préparation des jeux de données : - Aide à la sélection des mélanges à étudier au sein de la bibliothèque matériaux du LNE ; - Aide à la mise en place d'une méthode de segmentation des nanoparticules à l'aide d'algorithmes manuels ou à base d'intelligence artificielle pour les AFM et SEM. - Métrologie hybride et co-localisation des particules : - Développement d'un algorithme en Python pour fusionner les données dimensionnelles (SEM pour les dimensions latérales, AFM pour la hauteur, EDX pour les données chimiques/cristallographiques). Profil Vous recherchez un stage dans le cadre de votre Master 2 en physique ou chimie numérique/computationnelle, math-info ou équivalent. Vous avez une première expérience en traitement d'images et en programmation Python. Vous avez des connaissances en statistiques et en analyse de données, ainsi qu'en microscopie électronique (SEM, AFM) et en analyse spectroscopique (EDX, EBSD). Vous maîtrisez les outils de bureautique du pack Office. Vous êtes reconnu(e) pour votre rigueur, votre autonomie, votre aptitude à travailler en équipe et vous avez de bonnes capacités de synthèse. Ce stage pourra donner lieu à une thèse CIFRE. Gratification 1280 € brut/mois pour une formation Bac +5.
-
Trappes, Île-de-France LNE Temps pleinContexteDepuis plusieurs années, le LNE développe une plateforme (CARMEN) regroupant plusieurs instruments dédiés à la métrologie des nanomatériaux. L'objectif est de caractériser diverses propriétés physico-chimiques de nanoobjets : taille, forme, composition chimique, structure cristallographique, surface spécifique, état...
-
Trappes, Île-de-France LNE Temps pleinContexteDepuis plusieurs années, le LNE développe une plateforme (CARMEN) regroupant plusieurs instruments dédiés à la métrologie des nanomatériaux. L'objectif est de caractériser diverses propriétés physico-chimiques de nanoobjets : taille, forme, composition chimique, structure cristallographique, surface spécifique, état...
-
Trappes, France Laboratoire National De Métrologie Et D'Essais Temps pleinContexte Le projet a pour objectif principal de développer un système de mesure traçable de la luminance verticale et des caractéristiques colorimétriques (dont la température de couleur), de scènes de nuit, vues d'avion, utiles à la caractérisation des éclairages et de leurs nuisances. L'utilisation de l'éclairage nocturne extérieur présente...
-
Trappes, France Laboratoire National De Métrologie Et D'Essais Temps pleinContexte Les nanomatériaux s'imposent aujourd'hui dans de multiples secteurs d'activités et le cadre réglementaire a été adapté pour prendre en compte leurs spécificités. La première difficulté consiste à identifier le classement comme nanomatériau d'une substance à l'état particulaire en fonction des différentes définitions existantes au...
-
Thèse Cifre 3 Ans
il y a 3 jours
Trappes, France LNE Temps plein**Rejoignez-nous pour accompagner le monde de demain !**: Laboratoire d’accueil : UMRs Sayfood et MIA (INRAE) et UR SMS Université de Rouen Normandie Répartition du temps de travail : 30% LNE, 40% INRAE, 30 % Univ Rouen Localisation LNE : Trappes - Bassin de St Quentin-en-Yvelines (78) Localisation laboratoires d’accueil : Palaiseau (91) et...
-
Trappes, France Laboratoire National De Métrologie Et D'Essais Temps pleinContexte Depuis la révision majeure du SI en 2019, la mise en pratique du volt est liée à la mise en oeuvre de l'effet Josephson. Dans ce contexte, les étalons de tension Josephson jouent un rôle prépondérant car les avancées techniques des dix dernières années sont majeures et largement diffusées au sein des laboratoires nationaux de métrologie...
-
Trappes, France LNE Temps pleinStage - Modèles de Deep Learning en nanométrologie : segmentation d’instances de particules non sphériques H/F Join to apply for the Stage - Modèles de Deep Learning en nanométrologie : segmentation d’instances de particules non sphériques H/F role at LNE Contexte Les nanomatériaux s’imposent aujourd’hui dans de multiples secteurs d'activités...
-
Trappes, France LNE Temps pleinStage - Modèles de Deep Learning en nanométrologie : segmentation d’instances de particules non sphériques H/F Les nanomatériaux s’imposent aujourd’hui dans de multiples secteurs d’activités et le cadre réglementaire a été adapté pour prendre en compte leurs spécificités. La première difficulté consiste à identifier le classement comme...
-
Trappes, France LNE Temps pleinStage - Modélisation de l’espace latent pour les modèles de Deep Learning utilisés en segmentation d’instances H/FJoin to apply for the Stage - Modélisation de l’espace latent pour les modèles de Deep Learning utilisés en segmentation d’instances H/F role at LNE.ContexteDes travaux de recherche sont menés depuis plusieurs années au sein du...
-
Thèse Cifre 3 Ans
il y a 7 jours
Trappes, France LNE Temps plein**Contexte et objectifs de la thèse**: Selon un récent rapport de l’Organisation Mondiale pour la Santé (OMS), le bruit des transports constitue la deuxième nuisance d’environnement affectant la santé après la pollution de l’air. La réduction des nuisances sonores dans l’environnement constitue donc un enjeu majeur, notamment en milieu urbain...
