Depuis 2010, Sodern développe la sonde FastGrade™, un instrument de logging qui estime la composition élémentaire des sols par une méthode géophysique appelée « spectroscopie neutron-gamma ». Cet outil est utilisé par des compagnies minières lors des phases d'exploration ou d'exploitation de minerai afin d'évaluer et de localiser les zones d'intérêt pour optimiser leurs processus de production. Par ailleurs, la calibration de cet instrument nécessite la mise en oeuvre d'algorithmes d'apprentissage supervisé permettant d'estimer la fonction de passage entre les spectres gamma enregistrés, issus de l'interrogation neutronique, et la composition atomique des sols interrogés.

D'autre part, cette procédure de calibration établit des critères de performance pour l'outil, se concentrant particulièrement sur la justesse, la précision et la robustesse face aux conditions environnementales lors de la mesure. Les données utilisées pour estimer le modèle de calibration sont spécifiques à l'environnement de mesure (plage de composition élémentaire, type de minéralogie, humidité et température) ainsi qu'aux caractéristiques intrinsèques du spectromètre lui-même (chaîne de détection gamma/émission neutronique). Cette spécificité rend les modèles sensibles lorsqu'ils sont appliqués à de nouvelles données mesurées dans des conditions différentes de celles de l'apprentissage ou avec un autre outil. Des travaux réalisés l'an dernier sur cette thématique ont montré un fort potentiel de cette approche et l'objectif de ce stage est d'étendre cette évaluation sur un jeu de données plus étendu et pour d'autres types de variations entre les données de calibration et de production.

Le stage pourra déboucher vers la mise en place d'une thèse sur la thématique de calibration des spectromètres par apprentissage supervisé grâce à des méthodes combinant à la fois des données réelles et des données simulées.

Missions :

* Prise en mains des travaux réalisés sur cette thématique dans le cadre d'un précèdent stage.

* Constitution d'un jeu de données de production qui soit statistiquement représentatif des perturbations que l'on souhaite corriger.

* Tester et optimiser différentes méthodes de transport optimal pour l'adaptation de la calibration à des changements d'environnements et/ou d'instruments.

* Effectuer une comparaison objective des performances entre les algorithmes testés et la méthode actuelle de calibration.

* Proposer une maquette d'interface entre les modèles les plus pertinents et le processus de calibration de l'outil, permettant leur déploiement en production.

* Rédaction d'un rapport de stage.

* Ecole d'ingénieur ou master 2 filière en Mathématiques appliquées, Physiques appliquées, Géophysiques ou Sciences des données avec un bon niveau académique en mathématiques et en programmation.

* Prérequis : expérience avec la programmation sous Python et/ou Matlab.

* Bon niveau d'autonomie et travail en équipe nécessaires dans le contexte de ce stage