Monsieur Valentin GORSE
Soutiendra publiquement ses travaux de thèse intitulés :
Harnessing Prior Knowledge in Neural Networks for Monitoring the Internal Thermal Scene of Fusion Machines: Development on the WEST Tokamak
Soutenance prévue le 9 Octobre 2025 à 10h
Lieu : salle René Gravier et par Skype
Composition du jury :
| Lucile SASSATELLI | Professeur, Université Côte d’Azur | Rapporteur |
| Frédéric BROCHARD | Directeur de recherches CNRS, Université de Lorraine | Rapporteur |
| Nadège THIRION-MOREAU | Professeur, Université de Toulon et du Var | Examinatrice |
| Jean-Yves DAUVIGNAC | Professeur, Université Côte d’Azur | Président du jury |
| Isabel NUNES | Ingénieur Chercheur, ITER | Examinateur |
| Julien MAROT | Professeur, Aix-Marseille Université | Directeur de thèse |
| Raphaël MITTEAU | Ingénieur Chercheur, CEA,IRFM | Co directeur CEA |
Résumé
L’opérabilité du tokamak WEST peut être maintenue ou améliorée en optimisant la surveillance de la première paroi par des techniques avancées d’analyse d’images. La paroi joue le rôle de bouclier thermique et est indispensable au fonctionnement de la machine. Elle fonctionne près de ses limites technologiques. Maintenir son intégrité fonctionnelle est nécessaire, en particulier dans la perspective de décharges longues. Le diagnostic infrarouge surveille la paroi, et contribue à prévenir endommagement et usure excessive à l’aide de processus d’analyse d’image. Toutefois des approches d’analyse déterministes fondées sur des lois physiques ou des seuils fixes présentent des limites difficilement surmontables face à la complexité des interactions plasma-paroi.
L’utilisation de l’apprentissage automatique dans les processus de sécurité paroi est une alternative prometteuse, dont le potentiel peut être renforcé par l’intégration de connaissances expertes. Ce doctorat explore l’intégration de connaissances a priori pour améliorer la détection et la caractérisation automatisées des événements thermiques. Trois approches complémentaires ont été développées durant cette thèse : (i) l’analyse et classification des strikelines par représentation hiérarchique d’images (Max-tree) guidée par des critères physiques ; (ii) la conception d’un réseau U-Net Contraint, compatible temps réel, réalisant à la fois segmentation des zones chaudes et prédiction de paramètres physiques, testé lors de campagne expérimentale ; (iii) L’adaptation d’un grand modèle de langage (Multimodal LLM) accessible durant les campagnes, exploitant directement la connaissance et l’expérience formulées par les experts IR.