Capteur MEMS résonnant pour la détection de gaz par spectroscopie photoacoustique // Resonant MEMS sensor for gas detection based on photoacoustic spectroscopy

Les maladies respiratoires chroniques comptent parmi les affections non transmissibles les plus répandues dans le monde, principalement en raison d'expositions environnementales, professionnelles et liées au mode de vie [James2017]. En 2017, la Société Européenne de Pneumologie (ERS) a défini des priorités de recherche sur les biomarqueurs respiratoires [Horvath2017], recommandant le développement de technologies pour une reconnaissance sélective des gaz et des procédures standardisées de mesure en temps réel de la fonction pulmonaire. Actuellement, seuls quelques capteurs électrochimiques existent pour l'air expiré : ils sont sensibles mais peu sélectifs et ne détectent qu'un nombre limité de gaz. À l'hôpital, seul le monoxyde d'azote (NO) est utilisé comme biomarqueur diagnostique. Le CO₂, le CO et l'O₂ sont parfois mesurés à forte concentration dans des protocoles spécifiques, par exemple pour évaluer la diffusion alvéolaire. En dehors de la capnographie (CO₂), aucun dispositif n'offre de mesures en temps réel dans les différentes zones respiratoires.
Cette thèse vise à développer un capteur photoacoustique compact, ultrasensible et sélectif. La spectroscopie photoacoustique (PAS) détecte les gaz en mesurant leurs raies d'absorption. Un laser, réglé sur la longueur d'onde du gaz cible, provoque un échauffement local et des variations de pression détectées par un microphone, un cantilever, un diapason quartz ou des MEMS. La détection est indépendante de la longueur d'onde et du trajet optique, ce qui permet d'analyser de très petits volumes et d'obtenir une détection rapide. La structure proposée utilise une jauge de contrainte résonante dont la fréquence varie avec la déformation de la membrane excitée par l'onde acoustique.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Chronic respiratory diseases are among the most common noncommunicable illnesses worldwide, largely due to harmful environmental, occupational, and lifestyle exposures [James2017]. In 2017, the European Respiratory Society (ERS) defined research priorities in breath biomarkers [Horvath2017], recommending technologies for selective recognition of gases and standardized real-time procedures to assess pulmonary function. Currently, only a few electrochemical sensors exist for exhaled breath. They are sensitive but poorly selective, detecting only limited gases. In hospitals, nitric oxide (NO) is the sole breath biomarker used in pulmonary disease diagnosis. CO₂, CO, and O₂ are occasionally measured in high concentrations under specific protocols to evaluate mechanisms such as alveolar diffusion. Except for capnography (CO₂), no equipment provides real-time measurements across respiratory zones like trachea or alveoli.
This thesis aims to develop a compact, ultra-sensitive, and selective photoacoustic gas sensor. Photoacoustic spectroscopy (PAS) detects gases by measuring their absorption lines. A laser tuned to the target gas wavelength produces local heating and pressure variations, recorded by an acoustic detector (microphone, cantilever, quartz tuning fork, or MEMS). Detection is independent of optical wavelength and path length, enabling work on very small gas volumes and rapid detection. The proposed structure employs a resonant strain gauge, whose frequency shifts with membrane deformation under acoustic excitation.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Autre financement public

ANR

Université Paris-Saclay GS Sciences de l'ingénierie et des systèmes

575 Electrical, Optical, Bio-physics and Engineering

Ce projet multidisciplinaire implique plusieurs domaines incluant : - Mécanique : résonateurs linéaires et non-linéaires. Bonne compréhension des phénomènes acoustiques et de vibrations de structures. Modélisation analytique et éléments finis - Electronique: Bancs de tests incluant générateurs de signaux, détection synchrone, boucle à verrouillage de phase, oscilloscopes, interfaçage par ordinateur, etc. - Process de fabrication en salle blanche : volonté de travailler à la fabrication et à la caractérisation de dispositifs en salle blanche : lithographie, gravure, observations au microscope, caractérisation optique de nanostructures en mouvement, etc. Il n'est bien sûr pas requis que le candidat soit à l'aise avec l'ensemble de ces éléments mais elle/il devra être motivé pour les investiguer. Des compétences en optique géométrique (en particulier des compétences expérimentales) et une expérience des tests sous vide serait un plus. Une connaissance de Matlab et/ou Python serait également un plus.
This multidisciplinary project involves several fields, including: Mechanics: linear and nonlinear resonators, solid understanding of acoustic phenomena and structural vibrations, analytical modeling and finite element analysis. Electronics: test benches including signal generators, synchronous detection, phase-locked loops, oscilloscopes, computer interfacing, etc. Cleanroom fabrication processes: willingness to work on the fabrication and characterization of devices in cleanroom conditions, including lithography, etching, microscopy observations, and optical characterization of moving nanostructures. It is of course not required that the candidate be fully proficient in all these areas, but she/he should be motivated to explore them. Skills in geometrical optics (particularly experimental know-how) and experience with vacuum testing would be considered an asset. Knowledge of Matlab and/or Python would also be an advantage.