No description available.

Innovative multifunctional materials are essential to many new sensor applications. Piezoresistive nano-composites make up a promising class of such materials that have the potential to provide a measurable response to strain over a much wider range than typical strain gages. Commercial strain gages are currently dominated by metallic sensors with a useable range of a few percent strain at most. There are, however, many applications that would benefit from a reliable wide-range sensor. These might include the study of explosive behavior, instrumentation of flexible components, motion detection for compliant mechanisms and hinges, human-technology interfaces, and a wide variety of bio-mechanical applications where structural materials may often be approximated as elastomeric. In order to quantify large strains, researchers often use optical methods which are tedious and difficult. This thesis proposes a new material and technique for quantifying large strain (up to 40%) by use of piezoresistive nano-composite strain gages. The nano-composite strain gage material is manufactured by suspending nickel nano-strands within a biocompatible silicone matrix. Study and design iteration on the strain gage material requires an improved understanding of the electrical behavior and conduction path within the material when strained. A percolation model has been suggested for numerical approximations, but has only provided marginal results for lack of data. Critical missing information in the percolation model is the nano-strand cluster size, and how that size changes in response to strain. These data are gathered using a dynamic technique in the scanning electron microscope called voltage contrast. Cluster sizes were found to vary in size by approximately 6% upon being strained to 10%. A feasibility study is also conducted on the nano-composite to show its usability as a strain gage. High Displacement Strain Gages (HDSGs) were manufactured from the nano-composite. HDSGs measured the strain of bovine ligament under prescribed loading conditions. Results demonstrate that HDSGs are an accurate means for measuring ligament strains across a broad spectrum of applied deformations.

Percolation theory is a relevant area of research in Nanotechnology because of its wide applications in nanoelectronics based on thin films of nanoparticles and composites, amongst others. In nanotechnology, systems are often explored through modelling and simulations. Thin films of the emerging low-dimensional nanomaterials, such as the 1D nanowires/nanotubes and 2D graphene, as well as their composites, can generally be simulated through a two dimensional percolation system of homogeneous or heterogeneous ellipses. The critical phenomena, i.e., the percolation threshold of the systems, is now obtained using the Monte Carlo simulation method, which, need extensive amounts of time. This project is an interdisciplinary one, wherein an attempt is made to use a certain amount of the data from the Monte Carlo simulations to train a machine learning model to predict the threshold of all the 2D ellipse systems with the maximum relative error < 10%, thus reducing the time taken when gathering the data. This project investigates different algorithms such as Linear Regression, Polynomial Regression, Multi-layer Perceptron Neural Networks, Random Forests, Extreme Gradient Boosted Trees, Support Vector Machines and K-Nearest Neighbours. Weaknesses in the results are identified and overcome by specific additional sample generation. Finally, a comparison is made between the algorithms marking the Multi-layer Perceptron and Extreme Gradient Boosted Trees as successful, with the Multi-layer Perceptron being the clear winner. The algorithm is successful within the defined 10% relative error, performing even better with all samples having relative prediction errors less than 7%. The model can be downloaded and used from https://github.com/NiravSurajlal/ PercolationAI. / Perkolationsteori är ett relevant forskningsområde inom nanoteknik på grund av dess breda tillämpningar inom nanoelektronik, bland annat baserade på tunna filmer av nanopartiklar och kompositer. Inom nanoteknik undersöks system ofta genom modellering och simuleringar. Tunna filmer av de framväxande lågdimensionella nanomaterialen, såsom 1D-nanotrådar / nanorör och 2Dgrafen, liksom deras kompositer, kan i allmänhet simuleras genom ett tvådimensionellt perkolationssystem av homogena eller heterogena ellipser. De kritiska fenomenen, dvs. systemets perkolationströskel, erhålls nu med hjälp av Monte Carlosimuleringsmetoden, som kräver omfattande tidsperioder. Detta projekt är ett tvärvetenskapligt projekt, där man försöker använda en viss mängd data från Monte Carlo-simuleringarna för att träna en maskininlärningsmodell för att förutsäga tröskeln för alla 2D-ellipssystem med det maximala relativa felet <10%vilket minskar den tid det tar att samla in data. Detta projekt undersöker olika algoritmer som linjär regression, polynomregression, flerlagers Perceptron-neuronnätverk, slumpmässiga skogar, extrema gradientförstärkta träd, stöd för vektormaskiner och K-närmaste grannar. Svagheter i resultaten identifieras och övervinns genom specifik ytterligare provgenerering. Slutligen görs en jämförelse mellan algoritmerna som markerar Multi-layer Perceptron och Extreme Gradient Boosted Trees som framgångsrika, med Multi-layer Perceptron som den tydliga vinnaren. Algoritmen är framgångsrik inom det definierade 10 % relativfelet och presterar ännu bättre med alla prover som har relativa prediktionsfel mindre än 7 %. Modellen kan laddas ner och användas från https://github.com/NiravSurajlal/PercolationAI.

No description available.

<p dir="ltr">In multiplayer games, a collection of self-interested players aims to optimize their individual cost functions in a non-cooperative manner. The cost function of each player depends not only on its own actions but also on the actions of others. In addition, players' actions may also collectively satisfy some global constraints. The study of this problem has grown immensely in the past decades with applications arising in a wide range of societal systems, including strategic behaviors in power markets, traffic assignment of strategic risk-averse users, engagement of multiple humanitarian organizations in disaster relief, etc. Furthermore, with machine learning models playing an increasingly important role in practical applications, the robustness of these models becomes another prominent concern. Investigation into the solutions of multiplayer games and Nash equilibrium problems (NEPs) can advance the algorithm design for fitting these models in the presence of adversarial noises. </p><p dir="ltr">Most of the existing methods for solving multiplayer games assume the presence of a central coordinator, which, unfortunately, is not practical in many scenarios. Moreover, in addition to couplings in the objectives and the global constraints, all too often, the objective functions contain uncertainty in the form of stochastic noises and unknown model parameters. The problem is further complicated by the following considerations: the individual objectives of players may be unavailable or too complex to model; players may exhibit reluctance to disclose their actions; players may experience random delays when receiving feedback regarding their actions. To contend with these issues and uncertainties, in the first half of the thesis, we develop several algorithms based on the theory of operator splitting and stochastic approximation, where the game participants only share their local information and decisions with their trusted neighbors on the network. In the second half of the thesis, we explore the bandit online learning framework as a solution to the challenges, where decisions made by players are updated based solely on the realized objective function values. Our future work will delve into data-driven approaches for learning in multiplayer games and we will explore functional representations of players' decisions, in a departure from the vector form. </p>

La quantification du lessivage des engrais azotés en vue de réduire les pertes dans l’environnement sous production de pomme de terre (Solanum tuberosum L.) sur sol sableux constitue un enjeu majeur de la recherche actuelle. L’objectif général de la thèse répond à cette problématique en trois parties. Le premier sous-objectif visait à suivre le devenir des pluies et du couvert neigeux fondu dans le sol tout au long de l’année par les isotopes stables de l’eau (18O et 2H), car les nitrates suivent le trajet de l’eau. Nos résultats évaluent la vitesse de percolation des pluies et de l’eau issue de la fonte du couvert neigeux à environ 1,5±0,5 mois. L’eau circule plus lentement dans la couche arable supérieure que dans la couche sous-jacente. Finalement, un modèle perceptuel permet de distinguer le lessivage sur deux périodes : une première période entre la récolte et la plantation et une seconde période durant le développement de la plante. Le deuxième sous-objectif s’est intéressé au déplacement de l’engrais dans le sol et à estimer les quantités récupérées par la plante par le suivi de l’engrais enrichi en azote 15. Des profils de sol ont été prélevés les mêmes jours que pour l’oxygène 18 et le deutérium. Les résultats montrent que l’engrais reste localisé au centre de la butte tant qu’il n’y aucune pluie supérieure à 70±10 mm. Les nitrates sont lessivés essentiellement à l’automne, ce qui confirme les résultats obtenus avec l’oxygène 18 et le deutérium. A la récolte, le tubercule a prélevé 47% de l’azote issu du fertilisant, le reste étant susceptible au lessivage. Jusqu’au maximum de couverture foliaire, la plante prélève préférentiellement l’azote issu de l’engrais comparativement à l’azote issu de la minéralisation. La situation s’inverse ensuite. Le troisième sous-objectif était de simplifier la mesure des nitrates du sol à l’intérieur de la butte en vue d’améliorer la précision des bilans azotés. La butte a été échantillonnée sur une profondeur de cinquante centimètres à quatre endroits et à cinq moments durant la saison. Une relation robuste de pente de 0.78 reliait les concentrations de nitrate du sol prélevées au centre de la butte à celles de l’intégralité du profil de sol (0-80 cm) dont la microtopographie avait été modifiée par le buttage. / Quantifying nitrogen fertilizer leaching in order to reduce environmental losses in the potato (Solanum tuberosum L.) production on sandy soils is a major issue of current research. The general objective of the thesis was to address this problem in three parts. The first part aimed to follow the fate of rainfall and snowmelt in the soil during an entire year with water stable isotopes (18O and 2H) since nitrates follow water pathways. Rainfall and snow melt percolation rate was approximately 1.5±0.5 months. Water percolates at slower rate in the upper soil layer than in sublayers. Finally, a perceptual model considered two periods of nitrate leaching: the first period from previous harvest to seeding and the second during the cropping season. In the second part, we followed the nitrogen fertilizer pathway through soil and estimated fertilizer recovered by plants after fortification with nitrogen 15. Soil profiles were sampled on the same days as for the oxygen 18 and deuterium samplings. Results show that the fertilizer remained in the hill until the occurrence of rainfall events exceeding 70±10 mm. Nitrates are leached away mostly during the fall, as was the case for oxygen 18 and deuterium. At harvest, the tuber took up 47% of the nitrogen from fertilizer, leaving the remainder susceptible to leaching. Until maximum foliage coverage, the plant took up nitrogen more from fertilizer than mineralized organic nitrogen, but the reverse occurred thereafter. The third part was to simplify the sampling procedure of soil nitrate within the hill for budgeting nitrate. The hill was sampled across a 0-50 cm soil profile at four places and at five moments during the cropping season. A reliable relationship with a slope of 0.78 related soil nitrate content sampled at the centre of the hill to that of the entire hill for the 0-50 cm soil profile.

In welcher Weise hängt die Dynamik eines neuronalen Systems von den Eigenschaften seiner Netzwerkstruktur ab? Diese wichtige Fragestellung der Neurowissenschaft untersuchen wir in dieser Dissertation anhand einer analytischen und numerischen Modellierung der Aktivität großer neuronaler Netzwerke mit komplexer Struktur. Im Fokus steht die Relevanz zweier bestimmter Merkmale für die Dynamik: strukturelle Heterogenität und Gradkorrelationen. Ein zentraler Bestandteil der Dissertation ist die Entwicklung einer Molekularfeldnäherung, mit der die mittlere Aktivität heterogener, gradkorrelierter neuronaler Netzwerke berechnet werden kann, ohne dass einzelne Neuronen explizit simuliert werden müssen. Die Netzwerkstruktur wird von einer reduzierten Matrix erfasst, welche die Verbindungsstärke zwischen den Neuronengruppen beschreibt. Für einige generische Zufallsnetzwerke kann diese Matrix analytisch berechnet werden, was eine effiziente Analyse der Dynamik dieser Systeme erlaubt. Mit der Molekularfeldnäherung und numerischen Simulationen zeigen wir, dass assortative Gradkorrelationen einem neuronalen System ermöglichen, seine Aktivität bei geringer externer Anregung aufrecht zu erhalten und somit besonders sensitiv auf schwache Stimuli zu reagieren. / An important question in neuroscience is how the structure and dynamics of a neuronal network relate to each other. We approach this problem by modeling the spiking activity of large-scale neuronal networks that exhibit several complex network properties. Our main focus lies on the relevance of two particular attributes for the dynamics, namely structural heterogeneity and degree correlations. As a central result, we introduce a novel mean-field method that makes it possible to calculate the average activity of heterogeneous, degree-correlated neuronal networks without having to simulate each neuron explicitly. We find that the connectivity structure is sufficiently captured by a reduced matrix that contains only the coupling between the populations. With the mean-field method and numerical simulations we demonstrate that assortative degree correlations enhance the network’s ability to sustain activity for low external excitation, thus making it more sensitive to small input signals.

Tableau d’honneur de la Faculté des études supérieures et postdoctorales, 2013-2014. / Les graphes sont des objets mathématiques abstraits utilisés pour modéliser les interactions entre les éléments constitutifs des systèmes complexes. Cette utilisation est motivée par le fait qu’il existe un lien fondamental entre la structure de ces interactions et les propriétés macroscopiques de ces systèmes. La théorie de la percolation offre un paradigme de choix pour analyser la structure de ces graphes, et ainsi mieux comprendre les conditions dans lesquelles ces propriétés émergent. Les interactions dans une grande variété de systèmes complexes partagent plusieurs propriétés structurelles universelles, et leur incorporation dans un cadre théorique unique demeure l’un des principaux défis de l’étude des systèmes complexes. Exploitant une approche multitype, une idée toute simple mais étonnamment puissante, nous avons unifié l’ensemble des modèles de percolation sur graphes aléatoires connus en un même cadre théorique, ce qui en fait le plus général et le plus réaliste proposé à ce jour. Bien plus qu’une simple compilation, le formalisme que nous proposons augmente significativement la complexité des structures pouvant être reproduites et, de ce fait, ouvre la voie à plusieurs nouvelles avenues de recherche. Nous illustrons cette assertion notamment en utilisant notre modèle pour valider et formaliser certaines intuitions inspirées de résultats empiriques. Dans un premier temps, nous étudions comment la structure en réseau de certains systèmes complexes (ex. réseau de distribution électrique, réseau social) facilite leur surveillance, et par conséquent leur éventuel contrôle. Dans un second temps, nous explorons la possibilité d’utiliser la décomposition en couches “k-core” en tant que structure effective des graphes extraits des systèmes complexes réels. Enfin, nous utilisons notre modèle pour identifier les conditions pour lesquelles une nouvelle stratégie d’immunisation contre des maladies infectieuses est la stratégie optimale. / Graphs are abstract mathematical objects used to model the interactions between the elements of complex systems. Their use is motivated by the fact that there exists a fundamental relationship between the structure of these interactions and the macroscopic properties of these systems. The structure of these graphs is analyzed within the paradigm of percolation theory whose tools and concepts contribute to a better understanding of the conditions for which these emergent properties appear. The underlying interactions of a wide variety of complex systems share many universal structural properties, and including these properties in a unified theoretical framework is one of the main challenges of the science of complex systems. Capitalizing on a multitype approach, a simple yet powerful idea, we have unified the models of percolation on random graphs published to this day in a single framework, hence yielding the most general and realistic framework to date. More than a mere compilation, this framework significantly increases the structural complexity of the graphs that can now be mathematically handled, and, as such, opens the way to many new research opportunities. We illustrate this assertion by using our framework to validate hypotheses hinted at by empirical results. First, we investigate how the network structure of some complex systems (e.g., power grids, social networks) enhances our ability to monitor them, and ultimately to control them. Second, we test the hypothesis that the “k-core” decomposition can act as an effective structure of graphs extracted from real complex systems. Third, we use our framework to identify the conditions for which a new immunization strategy against infectious diseases is optimal.

Ce travail de thèse a pour objectif de comprendre la fragilité des composites à matrice polymère (PVC) contenant des particules de bois. Dans un premier temps, il s’agit d’examiner le rôle de chacun des constituants : matrice et charge, sur les propriétés mécaniques du composite. Cette étude a montré que l’influence des paramètres relatifs à la microstructure de la matrice PVC est minoritaire face à celle des paramètres de la farine de bois. Pour mettre en évidence le rôle des particules de bois, une méthode d’analyse de leur dispersion et leur orientation par une technique 3D non destructive, a été employée : la tomographie aux rayons X. Un traitement spécifique des données a permis de quantifier la taille, l’orientation et la connectivité des particules. Ainsi, on a montré que l’existence d’agglomérats et/ou d’un réseau percolant fragilise fortement le composite ce qui explique la chute de la résistance au choc lorsque le taux de farine de bois augmente. Pour optimiser le compromis fragilité/ductilité, différentes solutions ont été envisagées. Dans un deuxième temps, nos travaux s'intéressent à l'évolution de l'endommagement de matériaux composites possédant différents taux de farine de bois. Cette évolution est mesurée à l'aide de deux techniques : l'émission acoustique et la tomographie aux rayons X in-situ. La décohésion à l’interface entre la matrice PVC et les particules de bois est le mécanisme initiant l’endommagement. La transition ductile/fragile des composites s’explique par la coalescence de ces cavités. L’ajout de modifiant choc ne réduit pas suffisamment ce mécanisme. Les agents de couplage sont donc la voie à explorer afin d’améliorer l’interface matrice/particules et remédier au défaut d’adhésion qui pénalise ces composites. / The aim of the present study is to understand the origin of the brittleness of PVC/wood flour composites (WPC). The influence of the matrix and of the filler is investigated: fiber parameters are key factors that significantly affect the mechanical properties of WPC. Fiber dispersion, orientation and particles connectivity can be accurately assessed by using the non-destructive X-ray tomography technique. The qualitative and quantitative analysis of tomography experimental results allows a 3D visualisation of the composite. The brittleness of the composites is caused by agglomerates and/or the presence of a percolated network: it explains why impact resistance decreases when the wood flour content increase. To optimise the rigidity/ductility compromise, several solutions are considered. The other part of this work consists of combining acoustic emission and X-ray tomography to study the evolution of damaging in composite materials with different wood flour content. An original coupling of these two techniques is implemented. The main failure mechanism involved in such composites is the decohesion between the matrix and the wood particles. The ductile/brittle transition occurs when the cavities coalescence becomes the dominant process over the PVC matrix failure. Adding impact modifiers is not sufficient to improve the ductility of the composite. Coupling agents are the route to be explored so as to improve the interfacial adhesion between the matrix and the particles.

Les propriétés physico-chimiques d'un nanocristal semi-conducteur sphérique, intermédiaires entre la molécule et le solide, dépendent de sa taille. Empilés ou dispersés, ces nanocristaux sont les briques architecturales de nouveaux matériaux fonctionnels aux propriétés ajustables, en particulier pour l’optoélectronique. Cette thèse s'inscrit dans le développement de ces nouveaux matériaux et présente avant tout une méthodologie pour la simulation du transport électronique dans un solide à nanocristaux en régime de faible couplage électronique appliquée à des nanocristaux de silicium dans une matrice de SiO2 pour les applications photovoltaïques. La cinétique du déplacement des porteurs est liée au taux de transfert tunnel (hopping) entre nanocristaux. Ces taux sont calculés dans le cadre de la théorie de Marcus et prennent en compte l'interaction électron-phonon dont l'effet du champ de polarisation dans la matrice ainsi que les interactions électrostatiques à courte et longue portée. Le calcul des états électroniques (électrons et trous) en théorie k.p associé à l'utilisation de la formule de Bardeen donne au code la capacité, par rapport à la littérature, de fournir des résultats (mobilité ou courant) en valeur absolue. Les résultats de mobilité ainsi obtenus pour des empilements cubiques idéaux viennent contredire les résultats de la littérature et incitent à considérer d'autres matériaux notamment en ce qui concerne la matrice pour obtenir de meilleurs performances. En outre, les résultats de simulation de dispositifs montrent l'impact considérable des électrodes sur les caractéristiques courant-tension. Aussi, un nouvel algorithme Monte-Carlo Cinétique accéléré a été adapté afin de pouvoir reproduire le désordre inhérent à la méthode de fabrication tout en maintenant un temps de simulation raisonnable. Ainsi l'impact du désordre en taille se révèle faible à température ambiante tandis que les chemins de percolation occultent la contribution des autres chemins de conduction. Des résultats de caractérisation comparés aux simulations tendent par ailleurs à indiquer que ces chemins peuvent concentrer les porteurs et exhiber un phénomène de blocage de coulomb. Enfin, la section efficace d'absorption est calculée théoriquement et permet d'obtenir le taux de génération sous illumination qui se révèle proche du silicium massif. Et une méthode en microscopie à sonde de Kelvin est décrite pour caractériser la durée de vie des porteurs c'est-à-dire le taux de recombinaison, les résultats ainsi obtenus étant cohérents avec d'autres techniques expérimentales. / The physicochemical properties of a spherical semiconductor nanocrystal, intermediate between the molecule and the solid depend on its size. Stacked or dispersed, these nanocrystals are building blocks of new functional materials with tunable properties, particularly appealing for optoelectronics. This thesis takes part in the development of these new materials. It mainly presents a methodology for the simulation of electronic transport in nanocrystal solids within the weak electronic coupling regime. It is applied to a material made of silicon nanocrystals embedded in silicon oxide and considered for photovoltaïc applications. The displacement kinetics of charge carriers is related to the tunneling transfer rate (hopping) between nanocrystals. These rates are calculated within the framework of Marcus theory and take into account the electron-phonon interactions, the effect of the bias field and the electron-electron interactions at short and long range. The calculation of electronic states (electrons and holes) in k.p theory associated with the use of Bardeen's formula provides, compared to previous works, results (mobility or current) in absolute terms. The mobility thus computed is far lower than the results of the literature and encourage to consider other materials. Furthermore, the device simulations show the significant impact of the electrodes on the current-voltage characteristics. Also, a new accelerated kinetic Monte-Carlo algorithm has been adapted in order to reproduce the disorder inherent in the manufacturing process while maintaining a reasonable simulation time. Thus the impact of the size disorder is poor at room temperature while the percolation paths shunt the contribution of other conduction paths. Characterization results compared to simulations tend to show that these paths concentrate carriers and exhibit Coulomb blockade phenomenon. Finally, the absorption cross section is calculated theoretically to obtain the generation rate under illumination. It is similar to the bulk silicon one. And a method employing a Kelvin probe microscope is described to characterize the carrier lifetime, namely the recombination rate. The results thus obtained are consistent with other experimental technics.