ImagIA : Une IA pour l’analyse automatiques de caractérisations chimiques.

Le projet ImagIA vise à développer un modèle d’IA spécialisé dans l’analyse automatique d’images de caractérisation physico-chimique se spécialisant sur les images de microscopie électronique pour les nanomatériaux. En effet, les conditions expérimentales de synthèse/formulation/fabrication grande échelle de nanoparticules (NP) et de couches minces nanocomposites (NC) sont régies par de très nombreux paramètres qui rendent difficile l’identification des liens entre une fonction (ou plusieurs) recherchée(s) et les conditions complexes multifactorielles de synthèse. Dans ce contexte, l’avènement de l’IA est une opportunité exceptionnelle pour accélérer la découverte de nouveaux matériaux en corrélant procédé, structure et propriétés. Le programme de la thèse couvrira ainsi les étapes suivantes :
Dans la 1ère étape, les caractéristiques morphologiques des NP (en solution ou dans les NC) seront déterminées par analyse automatique des images (computer vision) de TEM. Cette étape s’appuiera sur les travaux déjà en cours au laboratoire ICMUB autour de ce type d’analyse. Nous avons développé récemment un modèle d’IA (Tautem-2D) qui permet l’annotation automatique (repérage et détourage) d’images simples, c’est-à-dire des images à fort contraste contenant un nombre suffisant de NP isotropes et isolées, comme page suivante (Images TEM). otre modèle soit déjà performant, on remarque que toutes les nanoparticules ne sont pas détéctées : ceci vient d’un manque d’images précisément et totalement annotées dans notre banque d’entrainement. Cette analyse partielle mime en fait la procédure « humaine » dans laquelle c’est un chercheur qui annote manuellement les particules. Cette annotation est chronophage. Elle demande plusieurs heures pour une image, ce qui amène souvent les chercheurs à se contenter d’annoter entre 100 et 200 particules représentatives. L’IA annotant au hasard, ceci peut conduire à des biais de mesures entrainant la perte du lien entre les propriétés morphologiques des nano-objets et leur synthèse. Dans cette 1e phase, l’étudiant.e complétera notre base d’images en sélectionnant des images TEM de difficultés croissantes en ajoutant des images avec un contraste moins fort puis avec des nanoparticules qui se superposent. Il faudra ensuite annoter totalement ces images : nous utilisons pour cela notre modèle de pré-annotation optimisé avec click manuel. Ceci constituera la réalité terrain, nécessaire pour l’entrainement efficace de notre modèle d’IA.
La 2e étape consistera à entrainer notre IA sur la nouvelle banque d’images. Plusieurs modèles d’IA seront testés, voire combinés, pour identifier les NP puis observer leur forme et les mesurer. En effet, certains modèles excellent dans l’identification (appelée segmentation) d’objets (comme par exemple Segment Anything Model de Méta), et d’autres dans l’analyse de forme comme U-Net ou DETRv2. Le couplage de plusieurs modèles permettra de maximiser l’efficacité de notre modèle d’IA.
La 3e étape de ce travail de développement visera à étendre cette méthodologie à d’autres méthodes d’imagerie comme la microscopie à force atomique (AFM) ou la microscopie électronique à balayage (MEB). Ceci fera de ImagIA un projet à très forte valeur ajoutée pour la communauté scientifique et industrielle. Le (ou la) doctorant.e étendra aussi les méthodes d’analyse à l’aide de méthodes statistiques tels que les outils statistiques 2D plots développés par notre collaboratrice la Dr. M. Kahn (LCC, Toulouse).

Ce projet de rupture et à fort potentiel industriel s’appuie sur les résultats prometteurs déjà obtenus lors de la collaboration entre le Pr Fabrice Mériaudeau en analyse d’images médicales assistée par ordinateur (Computer Vision) et l’équipe CaPCoM (Pr Paul Fleurat-Lessard, Pr Jean-Cyrille Hierso) pour l’analyse d’images TEM.
À cela s’ajoute un environnement particulièrement favorable au sein de l’ICMUB qui est reconnu internationalement dans le domaine de la synthèse de NP (pour la catalyse et le stockage de H2) et un milieu propice à la création de start-ups (plusieurs start-ups créées et en création). L’environnement socio-économique local est aussi particulièrement favorable à l’émergence de nouvelles techniques pour la chimie fine.

L'ICMUB, unique Unité de l’Espace Scientifique Bourgogne-Franche-Comté rattachée principalement à CNRS Chimie, est au cœur du développement et de la promotion des Sciences Chimiques au sens large, dans sa mission de recherche et de formation. Les activités de l’ICMUB s’articulent autour de deux axes de recherche transversaux avec la chimie des métaux, la chimie de coordination et la chimie organométallique, comme fil conducteur. Ce travail de recherche se fait depuis plus de 50 ans en coopération nationale, européenne et mondiale, en lien avec l’industrie et le monde économique dans un objectif de valorisation au service de la société.

La personne recrutée devra être titulaire d’un master ou un diplôme d’ingénieur chémo-informatique ou équivalent. Avoir une formation en chimie et des connaissances en IA sont nécessaires.  Des connaissances sur la synthèse et la caractérisation des nano-objets seront un plus.

Des compétences en programmation en Python sont obligatoires.

La personne recrutée interagira avec des spécialistes de différents domaines et sera amenée à maîtriser de nombreuses techniques. Ce projet pluridisciplinaire implique donc une large ouverture d’esprit, de bonnes capacités d’adaptation, une certaine autonomie et une large culture scientifique. Une bonne motivation et une appétence pour la création d’entreprise seraient fortement appréciées.