Notre travail concerne l’étude par spectroscopie à haute résolution de molécules polyatomiques en phase gazeuse fortement excitées vibrationnellement. L’excitation de molécules dans leurs hauts niveaux de vibration est typiquement produite par absorption de lumière infrarouge proche, voire visible, d’où la dénomination de « vibrations colorées » ou « overtones ». L’excitation de degrés de liberté de vibration à des énergies aussi inhabituelles place la molécule dans un régime tellement anharmonique que de nouvelles approches théoriques deviennent nécessaires pour en modéliser le comportement. L’observation spectrale des ces transitions requiert une technique expérimentale ultra-sensible pour compenser les faibles intensités des raies d’absorption. Dans ce contexte, nous avons mis au point un dispositif ICLAS qui a pour objectif de surmultiplier le parcours de la lumière dans la cellule d’absorption en insérant celle-ci dans la cavité résonante d’un laser saphir-titane. Le chemin d’absorption ainsi obtenu est équivalent à plusieurs dizaines de kilomètres en fonction de la durée des impulsions lasers.<p>Nous avons ensuite couplé le dispositif ICLAS avec un spectromètre à transformée de Fourier en synchronisant l’acquisition des données avec les impulsions. L’avantage de ce couplage réside dans l’obtention d’une technique à la fois très sensible grâce à l’ICLAS mais aussi possédant une haute résolution et une large couverture spectrale grâce au spectromètre. La réalisation de ce dispositif est décrite dans la première partie de ce travail.<p>Nous avons ensuite appliqué ce dispositif instrumental à l'étude des molécules C2HD et 13C12CH2. L’analyse des spectres enregistrés est détaillée dans la seconde partie de ce travail. Celle-ci inclut également une introduction à la description théorique des niveaux d’énergie de vibration-rotation adaptée au cas de la molécule d’acétylène. L’analyse est axée principalement sur la structure rotationnelle et l’identification vibrationnelle des nouvelles bandes observées grâce aux performances du nouveau spectromètre. Les premières étapes vers la construction d’un modèle rovibrationnel global pour les deux molécules étudiées sont également décrites. / Doctorat en sciences, Spécialisation physique / info:eu-repo/semantics/nonPublished

Dans le cadre des recherches menées sur les SFR (Sodium cooled Fast Reactor), le CEA souhaite développer une instrumentation innovante et spécifique à ces réacteurs. Le travail présenté concerne la mesure par ultrasons, de la température du sodium à la sortie des têtes des assemblages du coeur du réacteur. Cette instrumentation implique la propagation d'ultrasons dans du sodium liquide, thermiquement inhomogène et turbulent. Le milieu provoque des déviations du faisceau acoustique qu'il faut prévoir et quantifier pour envisager d'employer les ultrasons comme moyen de mesure dans un coeur de réacteur SFR.Pour cela un code nommé AcRaLiS (Acoustic Ray in Liquid Sodium) a été implémenté. Une étude thermo-hydraulique précise du sodium a tout d'abord été menée afin de proposer une description adaptée du milieu et de choisir le modèle de propagation acoustique adéquat. Puis une implémentation a été réalisée afin de permettre la simulation rapide de la propagation d'ondes de plusieurs mégahertz dans ce milieu particulier. Ce code prévoit les déviations et l'évolution de l'intensité du faisceau acoustique. Deux expériences ont ensuite été conçues et réalisées pour vérifier ce code. La première, nommée UPSilon, innove en remplaçant le sodium par de l'huile de silicone afin d'avoir une inhomogénéité thermique stable pendant l'expérience. Elle permet de déterminer la validité du code AcRaLiS dans des inhomogénéités thermiques. La seconde, nommée IKHAR, permet d'étudier en eau l'influence de la turbulence sur la propagation d'ondes, en exploitant les instabilités de Kelvin-Helmholtz. Les conclusions et les perspectives sont présentées en élargissant à d'autres domaines d'application. / In the frame of research on Sodium cooled Fast nuclear Reactor (SFR), CEA aims to develop an innovative instrumentation, specific to these reactors. The present work relates to the measurement of the sodium temperature at the outlet of the assemblies of the reactor's core by an ultrasonic method. This instrumentation involves the propagation of ultrasonic waves in liquid sodium, thermally inhomogeneous and turbulent. Environment causes deviations of the acoustic beam that must be understood to predict and quantify to consider ultrasound as a measure means in a core of SFR reactor. To determine the magnitude of these influences, a code named AcRaLiS (Acoustic Ray in Liquid Sodium) has been implemented. In a first step, a thermal-hydraulic study specific to the medium, was conducted to provide an adequate description of the environment and choose a suitable acoustic propagation model. Then an implementation has been performed to allow rapid simulations of the wave propagation at several megahertz in this particular environment. This code provides ultrasounds deviations and changes in beam intensity.Two experiments were designed and conducted to verify the code. The first, named UPSilon innovates by replacing sodium by silicone oil in order to have a stable thermal inhomogeneity during the experiment. It allows to determine the validity of the code AcRaLiS with thermal inhomogeneities. The second, called IKHAR allows to study the influence of water turbulence on the propagation of waves, using the Kelvin-Helmholtz instabilities. Conclusions and perspectives are presented, including perspectives for other application domains.

La paralysie obstétricale du plexus brachial (POPB) est une paralysie du membre supérieur qui survient à la naissance et peut entraîner une déformation de l'articulation et un fonctionnement anormal de l'épaule. Bien que le traitement de la POPB tente de restaurer la fonction de l'épaule, la pathomécanique sous-jacente n'est pas encore clairement comprise. Les modèles computationnels sont efficaces pour fournir de telles informations, mais il n'existe aucun modèle d'articulation de l'épaule pédiatrique pour comprendre la POPB. Ainsi, ce travail de recherche a pour but de construire un framework combinant les avancées dans les domaines de la modélisation statistique de forme (MSF) et de la modélisation musculo-squelettique multi-corps (MCM). Due à l’insuffisance des données dans la cohorte pédiatrique, ce cadre a été mis en place pour l'articulation de l'épaule adulte. Pour cela, la précision de la MSF a été illustrée en prédisant 1) la forme de l'omoplate pré-morbide, et 2) les régions d'insertion musculaire sur l'omoplate et l'humérus. Cette méthode a ensuite été intégrée aux modèles MCM pour l'épaule adulte pour souligner l’importance des modèles spécifique-patient pour l’usage clinique. Pour le second objectif de cette thèse, j'ai développé un modèle MCM pédiatrique du complexe articulaire de l'épaule en utilisant le logiciel OpenSim. Grâce aux approches de cinématique et dynamique inverse, le modèle a permis de déterminer les différences de dynamique articulaires entre le côté sain et le côté pathologique. Les travaux futurs seront axés sur l’extension du travail réalisé pour la population pédiatrique afin de comprendre la pathomécanique de POPB. / Obstetrician Brachial Plexus Palsy (OBPP) is a common birth injury in children leading to shoulder joint deformity and abnormal function. While the management of OBPP disorder focuses on restoring the shoulder joint function, the underlying pathomechanics is not clearly understood yet. Computational models are effective to provide such insights, however, there is no pediatric shoulder joint model to understand the OBPP disorder. Thus, the global aim of this research work was to build a computational framework combining the advances in statistical shape modeling (SSM) and multi-body musculoskeletal modeling (MSKM) domains. Due to a lack of sufficient data in the pediatric cohort, I first developed the framework for adult shoulder joint. For this, I illustrated the accuracy of SSM in predicting 1) missing part of the scapula, and 2) muscle insertion regions on scapula and humerus bones. This method was then integrated with adult shoulder MSKMs to show the differences between generic and subject specific constructs. For the second aim of this thesis, I developed a pediatric MSKM of the shoulder joint complex using OpenSim software. Pediatric MSKM represented scapulothoracic, sternoclavicular, acromioclavicular, and glenohumeral joints with 13 degrees of freedom, and actuated by 52 musculotendon actuators representing 14 shoulder muscles. Using inverse kinematics and inverse dynamics approaches, the model was used to determine the differences in joint kinematics, and joint dynamics between healthy and unhealthy side of a single OBPP subject. Future work is focused on completing the framework on pediatric population and understanding the pathomechanics of OBPP.

Cette thèse s'inscrit dans le contexte des méthodes non locales pour le traitement d'images et a pour application principale le débruitage, bien que les méthodes étudiées soient suffisamment génériques pour être applicables à d'autres problèmes inverses en imagerie. Les images naturelles sont constituées de structures redondantes, et cette redondance peut être exploitée à des fins de restauration. Une manière classique d’exploiter cette auto-similarité est de découper l'image en patchs. Ces derniers peuvent ensuite être regroupés, comparés et filtrés ensemble.Dans le premier chapitre, le principe du "global denoising" est reformulé avec le formalisme classique de l'estimation diagonale et son comportement asymptotique est étudié dans le cas oracle. Des conditions précises à la fois sur l'image et sur le filtre global sont introduites pour assurer et quantifier la convergence.Le deuxième chapitre est consacré à l'étude d’a priori gaussiens ou de type mélange de gaussiennes pour le débruitage d'images par patches. Ces a priori sont largement utilisés pour la restauration d'image. Nous proposons ici quelques indices pour répondre aux questions suivantes : Pourquoi ces a priori sont-ils si largement utilisés ? Quelles informations encodent-ils ?Le troisième chapitre propose un modèle probabiliste de mélange pour les patchs bruités, adapté à la grande dimension. Il en résulte un algorithme de débruitage qui atteint les performance de l'état-de-l'art.Le dernier chapitre explore des pistes d'agrégation différentes et propose une écriture de l’étape d'agrégation sous la forme d'un problème de moindre carrés. / This thesis studies non-local methods for image processing, and their application to various tasks such as denoising. Natural images contain redundant structures, and this property can be used for restoration purposes. A common way to consider this self-similarity is to separate the image into "patches". These patches can then be grouped, compared and filtered together.In the first chapter, "global denoising" is reframed in the classical formalism of diagonal estimation and its asymptotic behaviour is studied in the oracle case. Precise conditions on both the image and the global filter are introduced to ensure and quantify convergence.The second chapter is dedicated to the study of Gaussian priors for patch-based image denoising. Such priors are widely used for image restoration. We propose some ideas to answer the following questions: Why are Gaussian priors so widely used? What information do they encode about the image?The third chapter proposes a probabilistic high-dimensional mixture model on the noisy patches. This model adopts a sparse modeling which assumes that the data lie on group-specific subspaces of low dimensionalities. This yields a denoising algorithm that demonstrates state-of-the-art performance.The last chapter explores different way of aggregating the patches together. A framework that expresses the patch aggregation in the form of a least squares problem is proposed.

Le but de cette thèse est de définir puis d'étudier différentes notions d'irrégularité uniforme ou ponctuelle permettant de traduire le fait qu'une fonction peut avoir des 'grands accroissements' à toutes les échelles. Pour cela on 'inverse' les notions de régularité Höldérienne usuelles. L'objectif principal du travail est ensuite de relier ces différentes notions à la théorie des ondelettes. Les critères ondelettes établis vont ainsi permettre de définir des fonctions ou des champs aléatoires dont le comportement est différent suivant la gamme d'échelles considérée. Par ailleurs, si on se place du point de vue ponctuel, une question naturelle est celle de la définition d'une analyse multifractale -dite faible- liée à la notion d'irrégularité ponctuelle. Les ondelettes vont alors permettre de définir des séries d'ondelettes multifractales pour l'irrégularité ponctuelle. Enfin, nous étudions des exemples de champs aléatoires où des propriétés de régularité directionelle apparaissent. Nous nous sommes ainsi centré sur l'étude d'un modèle de champ aléatoire gaussien particulier vérifiant une relation d'autosimilarité matricielle. Nous avons ensuite généralisé ce modèle et introduit des champs gaussiens autosimilaires par rapport à un groupe / The main purpose of this thesis is the definition and the study of different concepts of uniform or pointwise irregularity which enable one to account for the fact that a function may have 'large increments' at any scales. To this end, we 'invert' the usual notions of Hölderian regularity. The main goal is then to relate these different concepts to wavelet theory. The wavelet criteria supplied enable to define functions or random fields the behavior of which differ with respect the family of scales chosen. Moreover, if we consider the pointwise point of view, a natural question is that of the definition of a weak multifractal analysis related to pointwise irregularity. Finally, we study examples of random fields with some properties of directional regularity. Thus we focus on the study of a special model of operator scaling Gaussian field. We then extend this model and introduced group self-similar Gaussian fields

Les différences entre conditions d'apprentissage et conditions de test peuvent considérablement dégrader la qualité des transcriptions produites par un système de reconnaissance automatique de la parole (RAP). L'adaptation est un moyen efficace pour réduire l'inadéquation entre les modèles du système et les données liées à un locuteur ou un canal acoustique particulier. Il existe deux types dominants de modèles acoustiques utilisés en RAP : les modèles de mélanges gaussiens (GMM) et les réseaux de neurones profonds (DNN). L'approche par modèles de Markov cachés (HMM) combinés à des GMM (GMM-HMM) a été l'une des techniques les plus utilisées dans les systèmes de RAP pendant de nombreuses décennies. Plusieurs techniques d'adaptation ont été développées pour ce type de modèles. Les modèles acoustiques combinant HMM et DNN (DNN-HMM) ont récemment permis de grandes avancées et surpassé les modèles GMM-HMM pour diverses tâches de RAP, mais l'adaptation au locuteur reste très difficile pour les modèles DNN-HMM. L'objectif principal de cette thèse est de développer une méthode de transfert efficace des algorithmes d'adaptation des modèles GMM aux modèles DNN. Une nouvelle approche pour l'adaptation au locuteur des modèles acoustiques de type DNN est proposée et étudiée : elle s'appuie sur l'utilisation de fonctions dérivées de GMM comme entrée d'un DNN. La technique proposée fournit un cadre général pour le transfert des algorithmes d'adaptation développés pour les GMM à l'adaptation des DNN. Elle est étudiée pour différents systèmes de RAP à l'état de l'art et s'avère efficace par rapport à d'autres techniques d'adaptation au locuteur, ainsi que complémentaire. / Differences between training and testing conditions may significantly degrade recognition accuracy in automatic speech recognition (ASR) systems. Adaptation is an efficient way to reduce the mismatch between models and data from a particular speaker or channel. There are two dominant types of acoustic models (AMs) used in ASR: Gaussian mixture models (GMMs) and deep neural networks (DNNs). The GMM hidden Markov model (GMM-HMM) approach has been one of the most common technique in ASR systems for many decades. Speaker adaptation is very effective for these AMs and various adaptation techniques have been developed for them. On the other hand, DNN-HMM AMs have recently achieved big advances and outperformed GMM-HMM models for various ASR tasks. However, speaker adaptation is still very challenging for these AMs. Many adaptation algorithms that work well for GMMs systems cannot be easily applied to DNNs because of the different nature of these models. The main purpose of this thesis is to develop a method for efficient transfer of adaptation algorithms from the GMM framework to DNN models. A novel approach for speaker adaptation of DNN AMs is proposed and investigated. The idea of this approach is based on using so-called GMM-derived features as input to a DNN. The proposed technique provides a general framework for transferring adaptation algorithms, developed for GMMs, to DNN adaptation. It is explored for various state-of-the-art ASR systems and is shown to be effective in comparison with other speaker adaptation techniques and complementary to them.

Cette thèse envisage un ensemble de méthodes permettant aux algorithmes d'apprentissage statistique de mieux traiter la nature séquentielle des problèmes de gestion de portefeuilles financiers. Nous débutons par une considération du problème général de la composition d'algorithmes d'apprentissage devant gérer des tâches séquentielles, en particulier celui de la mise-à-jour efficace des ensembles d'apprentissage dans un cadre de validation séquentielle. Nous énumérons les desiderata que des primitives de composition doivent satisfaire, et faisons ressortir la difficulté de les atteindre de façon rigoureuse et efficace. Nous poursuivons en présentant un ensemble d'algorithmes qui atteignent ces objectifs et présentons une étude de cas d'un système complexe de prise de décision financière utilisant ces techniques. Nous décrivons ensuite une méthode générale permettant de transformer un problème de décision séquentielle non-Markovien en un problème d'apprentissage supervisé en employant un algorithme de recherche basé sur les K meilleurs chemins. Nous traitons d'une application en gestion de portefeuille où nous entraînons un algorithme d'apprentissage à optimiser directement un ratio de Sharpe (ou autre critère non-additif incorporant une aversion au risque). Nous illustrons l'approche par une étude expérimentale approfondie, proposant une architecture de réseaux de neurones spécialisée à la gestion de portefeuille et la comparant à plusieurs alternatives. Finalement, nous introduisons une représentation fonctionnelle de séries chronologiques permettant à des prévisions d'être effectuées sur un horizon variable, tout en utilisant un ensemble informationnel révélé de manière progressive. L'approche est basée sur l'utilisation des processus Gaussiens, lesquels fournissent une matrice de covariance complète entre tous les points pour lesquels une prévision est demandée. Cette information est utilisée à bon escient par un algorithme qui transige activement des écarts de cours (price spreads) entre des contrats à terme sur commodités. L'approche proposée produit, hors échantillon, un rendement ajusté pour le risque significatif, après frais de transactions, sur un portefeuille de 30 actifs. / This thesis considers a number of approaches to make machine learning algorithms better suited to the sequential nature of financial portfolio management tasks. We start by considering the problem of the general composition of learning algorithms that must handle temporal learning tasks, in particular that of creating and efficiently updating the training sets in a sequential simulation framework. We enumerate the desiderata that composition primitives should satisfy, and underscore the difficulty of rigorously and efficiently reaching them. We follow by introducing a set of algorithms that accomplish the desired objectives, presenting a case-study of a real-world complex learning system for financial decision-making that uses those techniques. We then describe a general method to transform a non-Markovian sequential decision problem into a supervised learning problem using a K-best paths search algorithm. We consider an application in financial portfolio management where we train a learning algorithm to directly optimize a Sharpe Ratio (or other risk-averse non-additive) utility function. We illustrate the approach by demonstrating extensive experimental results using a neural network architecture specialized for portfolio management and compare against well-known alternatives. Finally, we introduce a functional representation of time series which allows forecasts to be performed over an unspecified horizon with progressively-revealed information sets. By virtue of using Gaussian processes, a complete covariance matrix between forecasts at several time-steps is available. This information is put to use in an application to actively trade price spreads between commodity futures contracts. The approach delivers impressive out-of-sample risk-adjusted returns after transaction costs on a portfolio of 30 spreads.

Les ondes gravitationnelles sont des perturbations de l'espace-temps qui pourraient être détectées par un interféromètre de Michelson avec cavités Fabry-Perot. Plusieurs interféromètres sont à présent en opération: LIGO, Virgo, GEO. Ces instruments ont atteint leur sensibilité nominale et ont accompli plusieurs acquisitions de données scientifiques. Aucune détection n'a été reportée. Advanced Virgo, Advanced LIGO et LCGT sont les projets d'amélioration de sensibilité des détecteurs actuels d'un ordre de grandeur. Ces instruments, dont la construction est en cours, permettront la première détection directe des ondes gravitationnelles. Une ultérieure troisième génération d'instrument offrant une encore plus grande sensibilité est à l'étude. La sensibilité des détecteurs futurs sera limitée par le bruit thermique des miroirs. Cette thèse porte sur deux thèmes liés à la réduction de ce bruit. Le premier concerne la conception optique des cavités stable de Advanced Virgo. Leurs propriétés sont présentées, les arguments en faveur de leur utilisation sont discutés. Une procédure est établie pour achever leur conception optique. Plusieurs configurations sont examinées, conduisant à la sélection de l'une d'entre elles dont on discute les performances optiques. Le deuxième thème concerne l'utilisation des modes de Laguerre-Gauss (LG). On présente les résultats d'une expérience testant la génération d'un mode LG33 avec une optique diffractive et une cavité Fabry-Perot. Ce mode est utilisé dans un interféromètre de Michelson pour démontrer la faisabilité de mesures interférométriques avec des faisceaux non-Gaussiens. L'utilisation des modes LG dans les détecteurs futurs est discutée.

Dans un contexte industriel compétitif, une prévision fiable du rendement est une information primordiale pour déterminer avec précision les coûts de production et donc assurer la rentabilité d'un projet. La quantification des risques en amont du démarrage d'un processus de fabrication permet des prises de décision efficaces. Durant la phase de conception d'un produit, les efforts de développement peuvent être alors identifiés et ordonnés par priorité. Afin de mesurer l'impact des fluctuations des procédés industriels sur les performances d'un produit donné, la construction de la probabilité du risque défaillance est développée dans cette thèse. La relation complexe entre le processus de fabrication et le produit conçu (non linéaire, caractéristiques multi-modales...) est assurée par une méthode de régression bayésienne. Un champ aléatoire représente ainsi, pour chaque configuration du produit, l'information disponible concernant la probabilité de défaillance. Après une présentation du modèle gaussien, nous décrivons un raisonnement bayésien évitant le choix a priori des paramètres de position et d'échelle. Dans notre modèle, le mélange gaussien a priori, conditionné par des données mesurées (ou calculées), conduit à un posterior caractérisé par une distribution de Student multivariée. La nature probabiliste du modèle est alors exploitée pour construire une probabilité de risque de défaillance, définie comme une variable aléatoire. Pour ce faire, notre approche consiste à considérer comme aléatoire toutes les données inconnues, inaccessibles ou fluctuantes. Afin de propager les incertitudes, une approche basée sur les ensembles flous fournit un cadre approprié pour la mise en oeuvre d'un modèle bayésien imitant le raisonnement d'expert. L'idée sous-jacente est d'ajouter un minimum d'information a priori dans le modèle du risque de défaillance. Notre méthodologie a été mise en oeuvre dans un logiciel nommé GoNoGo. La pertinence de cette approche est illustrée par des exemples théoriques ainsi que sur un exemple réel provenant de la société STMicroelectronics.

Cette thèse est une contribution à la construction de l’Approche Locale de la rupture à l’échelle microscopique à l’aide de la modélisation d’agrégats polycristallins. Elle consiste à prendre en compte la variabilité spatiale de la microstructure du matériau. Pour ce faire, la modélisation micromécanique du matériau est réalisée par la simulation d’agrégats polycristallins par éléments finis. Les champs aléatoires de contrainte (principale maximale et de clivage) dans le matériau qui représentent la variabilité spatiale de la microstructure sont ensuite modélisés par un champ aléatoire gaussien stationnaire ergodique. Les propriétés de variabilité spatiale de ces champs sont identifiés par une méthode d’identification, e.g. méthode du périodogramme, méthode du variogramme, méthode du maximum de vraisemblance. Des réalisations synthétiques des champs de contraintes sont ensuite simulées par une méthode de simulation, e.g. méthode Karhunen-Loève discrète, méthode “Circulant Embedding”, méthode spectrale, sans nouveau calcul aux éléments finis. Enfin, le modèle d’Approche Locale de la rupture par simulation de champ de contrainte de clivage permettant d’y intégrer les réalisations simulées du champ est construit pour estimer la probabilité de rupture du matériau. / This thesis is a contribution to the construction of the Local Approach to fracture at the microscopic scale using polycrystalline aggregate modeling. It consists in taking into account the spatial variability of the microstructure of the material. To do this, the micromechanical modeling is carried out by finite element analysis of polycrystalline aggregates. The random stress fields (maximum principal et cleavage stress) in the material representing the spatial variability of the microstructure are then modeled by a stationary ergodic Gaussian random field. The properties of the spatial variability of these fields are identified by an identification method, e.g. periodogram method, variogram method, maximum likelihood method. The synthetic realizations of the stress fields are then simulated by a simulation method, e.g. discrete Karhunen-Loève method, circulant embedding method, spectral method, without additional finite element calculations. Finally, a Local Approach to fracture by simulation of the cleavage stress field using the simulated realizations is constructed to estimate the rupture probability of the material.