Capteurs à métamatériaux micro-ondes pour la détection sélective de polluants atmosphériques : conception, validation et intégration exposomique // Microwave metamaterial-based sensors for the selective detection of atmospheric pollutants: design, validat

DESCRIPTIF DU SUJET DE THÈSE :
La thèse vise à développer un capteur micro-ondes innovant basé sur des métamatériaux, fonctionnalisé chimiquement, pour la détection sélective de composés organiques volatils (COV) et de particules fines (PM₂.₅) dans une perspective exposomique appliquée au vieillissement. Le projet s'inscrit dans le cadre des initiatives HEAP et EXPANSE et le programme Grands défis en science de la durabilité (GDSD) de l'Université de Bordeaux, intégré au projet institutionnel Augmented university for Campus and world Transition (ACT) (PIA3, 2020-2028), en lien avec la surveillance environnementale et la santé des populations âgées.
La méthodologie proposée se déroule en trois volets interdépendants : (1) conception et simulation électromagnétique de structures résonantes (SRR, CSRR, patch fractal) dans la bande X/Ku (8–18 GHz) afin d'optimiser la sensibilité aux variations diélectriques induites par l'adsorption de polluants ; (2) réalisation expérimentale et caractérisation des prototypes PCB, intégration de polymères fonctionnels (HBPEI, polyimides) et calibration multi-paramétrique tenant compte des variations de température et d'humidité ; (3) validation environnementale et corrélations exposomiques à partir de mesures comparatives avec les données d'Atmo Nouvelle-Aquitaine et de capteurs physiologiques simples.
Le projet combine des approches innovantes en métamatériaux et chimie fonctionnelle pour obtenir des capteurs compacts, sensibles et sélectifs, avec un traitement avancé des données par statistiques multivariées et Machine Learning (PCA, PLS, SVM, Random Forest) afin de générer une bibliothèque de signatures électromagnétiques pour plusieurs polluants. Les objectifs scientifiques sont de comprendre les interactions polluant–capteur, caractériser les signatures électromagnétiques, corréler les expositions cumulées aux indicateurs de vieillissement et de stress oxydatif, et proposer un dispositif exploitable pour la surveillance exposomique.
Les moyens à disposition incluent les logiciels HFSS, CST, ADS pour la simulation, des analyseurs de réseau vectoriel, des enceintes climatiques pour tests contrôlés, les polymères fonctionnels fournis par le LCPO, et le Fablab de l'Université de Bordeaux pour la fabrication rapide de prototypes. La collaboration avec Gustave Eiffel apporte l'expertise en traitement de données et Machine Learning. Le doctorant acquerra des compétences en modélisation électromagnétique, intégration de matériaux fonctionnels, instrumentation, calibration et analyse intelligente de données.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

PHD TOPIC DESCRIPTION
This PhD project aims to develop an innovative microwave sensor based on metamaterials, chemically functionalized for the selective detection of volatile organic compounds (VOCs) and fine particulate matter (PM₂.₅), within an exposome framework applied to aging. The project is part of the HEAP and EXPANSE initiatives and the “Grands Défis en Science de la Durabilité” (GDSD) program of the University of Bordeaux, integrated into the institutional project Augmented University for Campus and World Transition (ACT) (PIA3, 2020–2028), with a focus on environmental monitoring and the health of aging populations.
The proposed methodology is structured into three interconnected work packages:
(1) electromagnetic design and simulation of resonant structures (SRR, CSRR, fractal patch) in the X/Ku band (8–18 GHz) to optimize sensitivity to dielectric variations induced by pollutant adsorption;
(2) experimental fabrication and characterization of PCB prototypes, integration of functional polymers (HBPEI, polyimides), and multi-parameter calibration accounting for temperature and humidity variations;
(3) environmental validation and exposomic correlations based on comparative measurements with data from Atmo Nouvelle-Aquitaine and simple physiological sensors.
The project combines innovative approaches in metamaterials and functional chemistry to develop compact, sensitive, and selective sensors, along with advanced data processing using multivariate statistics and machine learning techniques (PCA, PLS, SVM, Random Forest) to generate a library of electromagnetic signatures for multiple pollutants. The scientific objectives are to understand pollutant–sensor interactions, characterize electromagnetic signatures, correlate cumulative exposures with aging and oxidative stress indicators, and propose a deployable device for exposome monitoring.
Available resources include simulation software (HFSS, CST, ADS), vector network analyzers, climatic chambers for controlled testing, functional polymers provided by LCPO, and the University of Bordeaux FabLab for rapid prototyping. Collaboration with Gustave Eiffel University brings expertise in data processing and machine learning. The PhD candidate will develop skills in electromagnetic modeling, functional material integration, instrumentation, calibration, and intelligent data analysis.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Contrat doctoral de l'ED

Université de Bordeaux

209 Sciences Physiques et de l'Ingénieur

Compétences en Capteurs/RF / micro-ondes : bases solides en électromagnétisme, capteurs ou électronique haute fréquence Modélisation et simulation : intérêt pour des outils à elements finis type HFSS, CST ou équivalents Goût pour l'expérimental : instrumentation, mesures RF, prototypage (PCB) Analyse de données : notions en traitement du signal, statistiques ou Machine Learning
Sensors/RF / Microwave skills: strong fundamentals in electromagnetics, sensors, or high-frequency electronics Modeling and simulation: interest in finite elements tools such as HFSS, CST, or equivalents Experimental skills: instrumentation, RF measurements, PCB prototyping Data analysis: knowledge of signal processing, statistics, or Machine Learning