Monitoring environnemental de dispersion de polluants : placement optimal de capteurs mobiles

Vous vous sentez concernés par les problématiques de pollution de l’environnement ? Ces travaux de recherche permettront un déploiement optimal de capteurs mobiles pour la surveillance de la qualité de l'air dans les environnements urbains. Les géométries urbaines complexes [1] et les scénarios dynamiques de dispersion de polluants sont les défis scientifiques à relever afin de mieux évaluer localement la pollution atmosphérique, identifier les sources de cette pollution et anticiper les pics d’exposition. Nos recherches antérieures se sont concentrées sur l’identification des sources de pollution, négligeant l'aspect critique du placement des capteurs [2]. Pour des modèles d’équations aux dérivées partielles, des approches prometteuses reposant sur la propriété structurelle d’observabilité des systèmes dynamiques ont été proposées [3]. Une approche générique en deux étapes sera étudiée dans la thèse : le développement d’une approche variationnelle en dimension infinie pour un modèle d’advection-diffusion, puis la mise en œuvre en dimension finie. Les résultats de cette thèse comprendront de nouvelles stratégies de placement de capteurs, des résultats quantitatifs d’évaluation en simulation en conditions réalistes sur un quartier de ville à Grenoble et/ou à Paris, et une compréhension approfondie de la manière dont l’Apprentissage Automatique Informé par la Physique (Physics-Informed Machine Learning - PIML) [4] peut améliorer la surveillance de la qualité de l'air en contexte urbain, aussi bien en 2D qu'en 3D. Le CEA de Grenoble (http://www.youtube.com/watch?v=bCIcNJOzYZY) compte plus de 2 500 chercheurs et techniciens sur un campus de 64 hectares, situé au pied des montagnes. Notre laboratoire concentre ses activités dans le domaine de la fusion de signaux capteurs via des études en traitement du signal et de l’information, intelligence artificielle, et algorithmique embarquée, et rassemble une vingtaine d’ingénieur-chercheurs expérimentés et d’étudiants en formation du stage de Master 2 au post-doctorat. Pour rejoindre notre équipe, nous recherchons un candidat au profil mathématiques appliquées, avec un goût pour les modèles physiques et les méthodes numériques, et une bonne qualité rédactionnelle. Vous serez co-encadré par le Pr. Didier Georges du GIPSA-Lab de l’Université Grenoble Alpes (UGA)(http://scholar.google.fr/citations?user=oF1ahtcAAAAJ&hl=fr). Et pour mener à bien vos travaux, vous aurez accès aux bases de données scientifiques, à un cluster de calcul avec GPUs et serez formé à l’utilisation d’un simulateur de dispersion atmosphérique de pointe : Parallel Micro-Swift-Spray co-développé au CEA. La rémunération sera d’environ 2400 € bruts/mois pendant les trois années de thèse. Rejoignez-nous dans un environnement unique de recherché dédié à des projets ambitieux au profit des grands enjeux sociétaux actuels. [1] M. Mendil, S. Leirens, P. Armand, C. Duchenne, “Hazardous atmospheric dispersion in urban areas: A Deep Learning approach for emergency pollution forecast”, Environmental Modelling & Software, Volume 152, 2022 [2] R. Lopez-Ferber, D. Georges, S. Leirens, “Fast Estimation of Pollution Sources in Urban Areas Using a 3D LS-RBF-FD Approach”, submitted to the European Control Conference 2024 [3] D. Georges, “Optimal Location of Mobile Sensors for Environmental Monitoring”, European Control Conference (ECC), July 17-19, 2013, Zürich, Switzerland [4] M. Raissi, P. Perdikaris, and G. E. Karniadakis. Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations. Journal of Computational physics, 378 :686–707, 2019.