Proposition de thèse : Conception des dispositifs RF assisté par l’intelligence artificielle (IA)


Design of RF devices assisted by artificial intelligence (AI)

L’ED SISMI propose le sujet de thèse suivant :

Intitulé du sujet : Conception des dispositifs RF assisté par l’intelligence artificielle (IA)

Ce projet serait sous la direction de Kamel Frigui du laboratoire XLIM à l’Université de Limoges

Co-directeurs renseignés : Stéphane Bila /

Les financement sont : Les financements sont : 50% financement par 3IL, 50% financement institutionnel

Le début de la thèse est prévu pour : 10/2021

Mots clés du sujet : intelligence artificielle, Électromagnétisme, RF/HF,

Présentation du sujet : Développer des algorithmes d’intelligence artificielle pour aider à la conception des dispositifs RF.
Cette thèse se déroulera en collaboration avec l’école d’ingénieur 3IL et XLIM.

Objectifs : Dans cette thèse l’objectif est d’introduire des algorithmes d’intelligence artificielle dans le domaine de la radio fréquence, en particulier dans la modélisation, la simulation et l’optimisation des modules RF.

Description du sujet : Les travaux de cette thèse sont appliqués à l’étage de réception des systèmes de radionavigation par satellite (GNSS), associant plusieurs éléments (antenne/filtre/LNA…). Nous nous sommes intéressés en particulier au sous-système antenne/filtre. L’objectif de la thèse est de développer une méthode de conception basé sur l’IA du sous-système antenne/filtre pour atteindre des performances (rayonnement, efficacité, consommation…) optimales avec un dispositif intégré et compact. Le sous-système est constitué d’un réseau de 4 éléments avec des caractéristiques visées relativement strictes : polarisation circulaire à faible ellipticité, bibande, forte directivité, faible encombrement, faible couplage, …
Le défi majeur pour le développement du réseau d’antennes est de générer une polarisation circulaire sur deux bandes de fréquence, et sous un très faible encombrement, tout en cherchant à minimiser les couplages entre antennes. En associant des filtres aux accès de l’antenne, il serait à la fois possible d’adapter les impédances (et donc de maximiser la puissance acceptée par l’antenne et partant, le rendement), et d’améliorer les caractéristiques de sélectivité du système en réalisant une fonction de filtrage à la sortie de l’antenne.

Les deux éléments (antenne/filtre) sont associés pour miniaturiser ce sous-système et tirer bénéfice de l’association des fonctions qui, en offrant des degrés de liberté supplémentaires, permet d’atteindre des performances optimisées. Dans cette thèse l’objectif est donc d’introduire des techniques de l’IA afin d’aider à concevoir et optimiser le sous-système antenne/filtre tout en améliorant l’efficacité globale du sous-système et en réduisant fortement son encombrement.

Compétences acquises à l’issue de la thèse : – Développement des algorithmes d’intelligence artificielle.
– Conception assistée par ordinateur des dispositifs RF
– Expertise sur les outils de CAO électromagnétique (HFSS, CST, …)

Présentation de l’équipe d’accueil : L’équipe MACAO est spécialisée dans la conception, le développement et la réalisation de composants passifs et de capteurs dans le domaine hyperfréquence. Cette équipe a développée au cours des dernières années des compétences reconnues dans le développement d’outils numériques spécifiques de simulation et d’optimisation de phénomènes électromagnétiques et thermiques ainsi que dans l’utilisation de technologies de fabrications 2D et 3D (LTCC, SIW, fabrication additive, jet d’encre et aérosol, …). Ces compétences ont entre autres été mises à profit dans la conception de dispositifs de caractérisation des propriétés diélectriques et métalliques de matériaux utilisés dans le domaine des hyperfréquences.

Compétences souhaitées pour les candidats : – Le candidat doit avoir un Master II en informatique ou mathématiques appliquées ou équivalent (diplôme d’ingénieur).
– Très bonnes compétences en programmation (python, Matlab, …), avec une expérience sur les librairies de deep learning (tensorflow, pytorch)
– Connaissance des outils d’intelligence artificielle et expérience en machine learning et deep learning

Pour plus d’informations et pour candidater, merci de contacter :

Date de dépôt : 04/05/2021 à  23 h 43 min




ED SISMI