> Offres de formation > Offres de thèses

Apprentissage profond pour la reconstruction d'images en tomographie électronique multi-modale et multi-résolution

Défi technologique : Nano-caractérisation avancée (en savoir +)

Département : Département des Plateformes Technologiques (LETI)

Laboratoire : Laboratoire Microscopie Mesures et Défectivité

Date de début : 01-09-2021

Localisation : Grenoble

Code CEA : SL-DRT-22-0630

Contact : zineb.saghi@cea.fr

Les avancées récentes en instrumentation et en méthodologie de résolution de problèmes inverses ont permis à la tomographie électronique de devenir un outil de caractérisation 3D capable de répondre aux défis actuels de miniaturisation des dispositifs microélectroniques. Avec des spectromètres ultra-rapides de perte d'énergie des électrons (EELS) et des systèmes multi-détecteurs en spectroscopie de rayons X à dispersion d'énergie (EDX), il est aujourd'hui possible d'acquérir plusieurs signaux simultanément pour reconstruire en 3D la structure et la morphologie d'un objet avec une résolution sub-nanométrique, ainsi que sa composition chimique avec une résolution de quelques nanomètres. Dans le cadre d'un projet transverse de compétences, nous avons mis en place des approches parcimonieuses pour la reconstruction tomographique EELS/EDX à partir d'un nombre très limité de projections. La qualité et la résolution des reconstructions chimiques ont ainsi été améliorées, mais les volumes ont été reconstruits séparément. L'objectif de ce sujet est de développer une méthodologie basée sur l'apprentissage profond permettant de tirer profit de l'aspect multi-modal et multi-résolution de la tomographie électronique. Cette approche permettrait: 1) Un gain en temps d'exécution et rapport signal/bruit, 2) Une reconstruction simultanée des volumes issus de tous les signaux, 3) Une amélioration de la résolution des volumes chimiques par la prise en compte de l'information morphologique.

Voir toutes nos offres Télécharger l'offre (.zip)

Email Bookmark and Share