Nom de l'entreprise / du laboratoire: CORIA, UMR 6614, CNRS, Université et INSA de Rouen-Normandie

Les aérosols polluent l’air. Depuis 2018, la législation française impose un suivi de leur composition chimique, notamment celle des particules submicroniques non-réfractaires. La technique employée est basée sur l’utilisation d’un spectromètre de masse avec toutes les difficultés que cela entraîne. De ce point de vue, le prélèvement et le contrôle de la phase d’ionisation sont critiques. Les temps de mesure sont grands, ce qui empêche le système de pouvoir être déployé in situ. D’autre part, la variabilité chimique et la richesse des aérosols est telle que le déploiement est aussi limité au regard de l’environnement dans lequel la mesure doit être réalisée. L’utilisation
d’une méthode de mesure multi-élémentaire revêt donc un enjeu de tout premier ordre car elle permet de passer outre le type d’aérosol considéré en pouvant être appliquée de manière « universelle ».
La LIBS (Laser-Induced Breakdown Spectroscopy) est une méthode de mesure multi-élémentaire basée sur l’interaction laser matière dans des conditions d’irradiance supérieure au seuil d’apparition d’un plasma thermique. Le plasma produit est à plus de 10000 K et émet des spectres résultant de la composition du milieu irradié. La température, la densité et la taille du plasma jouent également un rôle important dans l’émission. Nous avons développé récemment un code de calcul de spectres (le code MERLIN) prenant en compte un très grand nombre de phénomènes physiques conditionnant l’émission. Sur des cas simples, MERLIN permet de retrouver de manière très satisfaisante la composition à partir des spectres expérimentaux. En le généralisant, il peut être mis à profit dans  l’analyse de la composition complexe des aérosols.
L’idée centrale est de s’appuyer sur les capacités de l’intelligence artificielle en développant un algorithme  l’apprentissage basé uniquement sur le code MERLIN. Le but de cette thèse est de procéder à une montée en puissance destinée à prouver la capacité de MERLIN à réaliser l’analyse en temps réel de la composition d’aérosols. Elle aura lieu conformément aux phases successives suivantes :
(1) Complétion des bases de données de MERLIN – Les bases de données physiques doivent être complétées s’agissant notamment de l’effet Stark des raies d’émission (élargissement et décalage).
(2) Optimisation de l’algorithme d’apprentissage – Cette optimisation sera réalisée à partir de résultats expérimentaux obtenus sur des mélanges différents de complexité croissante.
(3) Tests en aveugle – A partir de spectres expérimentaux obtenus par les moyens de l’équipe d’accueil sur des aérosols dont la composition aura été déterminée antérieurement par l’IRSN, la vérification des performances de la méthode d’apprentissage sera réalisée en temps réel en salle d’expériences.