Apprentissage informé par la physique pour les problèmes inverses acoustiques : reconstruction de champs, détection et analyse de détectabilité en environnements complexes // Physics-Informed Learning for Acoustic Inverse Problems: Field Reconstruction, D

Cette thèse vise à développer un cadre mathématique et algorithmique pour la résolution de problèmes inverses acoustiques en environnements complexes, fondé sur l’apprentissage informé par la physique. En intégrant explicitement l’équation des ondes dans des architectures d’intelligence artificielle, l’objectif est d’améliorer la reconstruction de champs acoustiques à partir de mesures partielles, la localisation de sources mobiles et l’analyse quantitative de leur détectabilité. Le projet combine modélisation des équations aux dérivées partielles, optimisation contrainte et apprentissage profond hybride. Les applications concernent les systèmes de perception acoustique distribuée et la détection de plateformes mobiles.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This PhD project aims to develop a mathematical and algorithmic framework for solving acoustic inverse problems in complex environments, based on physics-informed learning. By explicitly incorporating the wave equation into artificial intelligence architectures, the objective is to improve acoustic field reconstruction from partial measurements, the localization of mobile sources, and the quantitative analysis of their detectability. The project combines partial differential equation modeling, constrained optimization, and hybrid deep learning. Applications include distributed acoustic sensing systems and the detection of mobile platforms.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Intelligence Ambiante et Systèmes Interactifs (LIST)
Service : Service Interactions et Réseaux
Laboratoire : Laboratoire d’Interfaces Sensorielles & Ambiantes
Date de début souhaitée : 01-09-2026
Ecole doctorale : Ecole Doctorale Sciences des Métiers de l’Ingénieur (SMI )
Directeur de thèse : BOLZMACHER Christian
Organisme : CEA
Laboratoire : DRT/DIASI//LISA

Public/private mixed funding

Pôle fr : Direction de la Recherche Technologique
Pôle en : Technological Research
Département : Département Intelligence Ambiante et Systèmes Interactifs (LIST)
Service : Service Interactions et Réseaux

IA et acoustique