Avis de soutenance de thèse de Monsieur Alexis JUVEN

Monsieur Alexis JUVEN soutiendra publiquement ses travaux de thèse intitulés :

« Apprentissage automatique assisté par simulation pour la mesure infrarouge dans un tokamak »

Soutenance prévue le 
Mardi 12 novembre à 10h

Lieu : Espace COM UCAP, Bâtiment 1220, Cadarache

Composition du jury

Résumé

La protection de la première paroi est un enjeu majeur pour les opérations des machines de fusion thermonucléaire. Les composants face au plasma sont soumis à des flux de chaleur élevés (jusqu’à 10-20 MW/m2), conduisant à des températures de 200 à 3 600 °C. Dans la plupart des machines en opération et pour la future machine internationale ITER, la surveillance de ces composants est principalement assurée par un réseau de caméras infrarouges, directement relié au système de contrôle plasma.

Cependant, l’interprétation de ces images est compliquée par la présence de parois métalliques, d’émissivité basse et variable, générant un flux parasite dû aux multiples réflexions sur leur surface. Cette perturbation accroît le risque de sous-estimation de la température des parois, ce qui pourrait compromettre la sûreté de fonctionnement, ou au contraire, de surestimation, entraînant potentiellement l’arrêt non justifié de la machine. L’objectif de cette thèse est de développer des méthodes numériques capables de traiter ces phénomènes perturbateurs et d’estimer précisément la température des composants à partir des images infrarouges. Ces méthodes sont appliquées et testées sur la machine WEST. Pour résoudre ce problème inverse, l’approche adoptée durant la thèse est de développer un réseau de neurones profond entraîné à partir d’un jeu de données constitué exclusivement d’images simulées. Ainsi, les travaux de thèse comprennent 2 parties :
 

Utilisation des techniques d’apprentissage pour développer un modèle inverse. Pour cela, un large jeu de données de plus de 100 000 images simulées a été généré grâce au modèle direct rapide pour couvrir un maximum de scénarios possibles Ce jeu de données a été utilisé pour entraîner un réseau de type U-Net à estimer les températures de surface à partir d’une image. Les performances de ce réseau sur des données simulées de test répondent aux spécifications d’ITER, avec des erreurs d’estimation sous la barre des 10 %. Le réseau présente aussi des résultats qualitatifs encourageants sur des images expérimentales de la machine WEST. Enfin, pour associer un niveau de confiance aux prédictions, l’utilisation de modèles non déterministes (de type génératifs bayésiens) est également étudiée. Ces modèles ont permis de gérer la nature mal posée des problèmes inverses (inhérents à la mesure de température par thermographie) ainsi que les incertitudes de mesure expérimentales en fournissant un intervalle de confiance autour de chaque prédiction de température.

Modélisation et simulation des images infrarouges dans un tokamak (modèle direct). Cela inclut la modélisation de la scène thermique d’un tokamak en opération, le rayonnement et la réflexion infrarouge, ainsi que le fonctionnement de la caméra. Cette partie a mené au développement d’un logiciel de lancer de rayon infrarouge par Monte Carlo, capable de simuler des images synthétiques prenant en compte les propriétés de réflexion complexes des matériaux (BRDF), et utilisant l’accélération GPU pour générer une grande quantité de données en un temps raisonnable.