L’obtention d’images d’échantillons isolants et/ou sensibles au dégazage est possible grâce à la microscopie électronique à balayage sous environnement gazeux. En effet, des interactions complexes se produisent entre les électrons primaires, les ions créés, les électrons secondaires et les électrons rétrodiffusés émis par l’échantillon. Lors de l’utilisation du détecteur d’électrons rétrodiffusés, les collisions élastiques entre les électrons du faisceau primaire et les molécules de gaz entraînent un élargissement du faisceau primaire. Cet élargissement est directement relié au nombre moyen de collisions m : m = σ p L / kT

Où p est la pression, T la température, L la distance parcourue par les électrons dans la chambre, et σ la section efficace d’interaction, qui dépend de l’énergie du faisceau d’électrons primaires. Cet élargissement provoque une augmentation du bruit et une réduction du contraste dans les images. Il peut également induire des erreurs en métrologie. Les récents progrès des algorithmes de Deep Learning (DL) ont ouvert de nouvelles perspectives en microscopie appliquée à la science des matériaux. Ces approches novatrices surpassent souvent les méthodes d'analyse d'images traditionnelles, permettant d'obtenir des résultats plus précis et une meilleure interprétation des structures complexes à l’échelle microscopique.

Objectif du stage :

Dans ce contexte, l’objectif du stage est de développer des modèles d’apprentissage profond à partir des images obtenues via le microscope électronique à balayage pour débruiter ces images. Déroulement du stage : Le stage se déroulera en trois étapes :

1. Le stagiaire prendra en main l’utilisation du microscope électronique à balayage pour acquérir un maximum d’images d’échantillons variés.

2. À partir de ces images, il construira une base de données pour entraîner des modèles d’apprentissage profond.

3. Enfin, il étudiera différents modèles d’apprentissage profond existants dans la littérature et les appliquera sur la base de données afin de débruiter et corriger les images.

Profil recherché :

Nous recherchons un(e) candidat(e), idéalement un(e) physicien(ne) ayant déjà travaillé sur des microscopes électroniques à balayage et maîtrisant la programmation en Python (des connaissances en Machine Learning et Deep Learning seraient un plus). Nous accueillons également les candidat(e)s spécialisé(e)s en traitement d’images et du signal, ayant de solides compétences en apprentissage statistique et motivé(e)s par les applications multidisciplinaires (chimie, physique).

Localisation : Unité de Catalyse et de Chimie du Solide (UCCS), rue Jean Souvraz 62306 Lens

Durée du stage : 4 mois

Date de début : Février 2025

Contact : merci d’adresser votre candidature (CV détaillé et lettre de motivation) à :

• Pr. Christian Mathieu – christian.mathieu@univ-artois.fr

• Dr. Rachid Laref – rachid.laref@univ-artois.fr