Thèses en Ligne
Not a member yet
173210 research outputs found
Sort by
Curieux et cognitivement engagé : vers une compréhension intégrée de la curiosité et de la charge cognitive dans l’apprentissage en réalité étendue.
No full textExtended Reality (XR) technologies, including Virtual Reality (VR) and Augmented Reality (AR), are reshaping education by offering new ways to visualize and interact with complex knowledge domains, especially those requiring 3D content such as neuroanatomy. However, their pedagogical effectiveness remains contested, particularly due to contradictory findings regarding their impact on learners’ intrinsic motivation and cognitive load.This doctoral research proposes an integrative perspective by bridging two major theoretical frameworks: Cognitive Load Theory (CLT), which explains how cognitive resources are allocated during learning, and the Learning Progress Hypothesis (LPH), which posits that curiosity-driven exploration fosters intrinsic motivation and enhances learning. The core objective was to examine how XR can optimize learning by balancing cognitive demands with learners’ intrinsic motivation.First, a systematic review highlighted how AR tends to decrease unnecessary cognitive demands, benefiting novices, while VR often risks cognitive overload. The review also identified significant methodological limitations in how intrinsic motivation is assessed, calling into question the assumed motivational benefits of XR.Building on this, an empirical study with medical students explored how different modes of interaction in VR affect curiosity, cognitive load, and learning. Results indicated that while VR generally enhanced learning, higher interactivity was not necessarily beneficial. Intrinsic motivation correlated strongly with germane cognitive load, suggesting a meaningful bridge between curiosity and cognitive load. A detailed analysis of participants’ hand and head movements further demonstrated that movement entropy and exploration patterns can serve as behavioral indicators of curiosity-driven learning and cognitive engagement in immersive environments.An additional experiment investigated AR’s potential to guide anatomical drawing tasks. Though direct learning gains were modest, AR significantly reduced extraneous cognitive load and increased learners’ motivation and perceived usability. Individual factors such as visuospatial abilities and prior knowledge were found to moderate the effectiveness of these immersive interventions.The final part of the thesis brings together these empirical findings in a broader discussion, introducing a conceptual model that unifies CLT and LPH, empirically tested through structural equation modeling. This model highlights how intrinsic motivation and perceived learning progress dynamically interact with cognitive load to influence learning performance in XR-based learning.Altogether, this thesis provides new understanding of the balance between cognitive efficiency and motivational engagement in immersive learning, renewing research avenues in XR for education and offering valuable recommendations for educators and designers seeking to fully harness the potential of these technologies.Les technologies de Réalité Étendue (XR), incluant la Réalité Virtuelle (VR) et la Réalité Augmentée (AR), transforment l’éducation en proposant de nouvelles façons de visualiser et d’interagir avec des connaissances complexes, impliquant notamment des contenus 3D comme la neuroanatomie. Toutefois, leur efficacité pédagogique reste discutée, notamment en raison de résultats contradictoires quant à leur impact sur la motivation intrinsèque et la charge cognitive des apprenants.Cette thèse s’appuie sur deux cadres théoriques majeurs : la théorie de la charge cognitive (CLT), qui explique la manière dont les ressources cognitives sont utilisées durant l’apprentissage, et l’hypothèse du progrès d’apprentissage (LPH), selon laquelle la curiosité stimulée par le progrès favorise la motivation intrinsèque et améliore les apprentissages. L’objectif principal était ainsi d’explorer comment la XR peut optimiser l’apprentissage en conciliant exigences cognitives et motivation intrinsèque.Une revue systématique a montré que l’AR tend à diminuer la charge cognitive inutile, particulièrement bénéfique aux apprenants novices, alors que la VR présente souvent un risque accru de surcharge cognitive. Cette revue a également mis en évidence d’importantes limites méthodologiques dans l’évaluation de la motivation intrinsèque, remettant en question les bénéfices motivationnels fréquemment attribués à la XR.Sur cette base, une étude expérimentale menée auprès d’étudiants en médecine ont exploré comment différents modes d’interaction en VR influencent la curiosité, la charge cognitive et les apprentissages. Les résultats ont indiqué que, si globalement, la VR améliore l’apprentissage, une interactivité accrue n’est pas nécessairement plus bénéfique. De plus, une forte corrélation entre motivation intrinsèque et charge cognitive germaine a été observée, indiquant un lien important entre curiosité et efficacité cognitive. L’analyse des mouvements corporels (mains et tête) des participants a aussi permis d’identifier des indicateurs comportementaux pertinents (entropie gestuelle, schémas d’exploration) du processus d’apprentissage motivé par la curiosité et de l’engagement cognitif.Une autre expérimentation s’est intéressée au potentiel de l’AR pour guider des tâches de dessin anatomique. Les résultats ont montré des gains d’apprentissage modestes, mais une réduction significative de la charge cognitive extrinsèque et une augmentation notable de la motivation. L’efficacité de ces interventions immersives était modulée par des facteurs individuels, tels que les capacités visuospatiales et les connaissances préalables.Au cœur de notre discussion de ces résultats, un modèle conceptuel unifiant la CLT et la LPH a été développé et testé empiriquement par une modélisation par équations structurelles (SEM). Ce modèle révèle une interaction dynamique entre motivation intrinsèque, perception du progrès d’apprentissage et charge cognitive pour expliquer la performance en contexte XR.En somme, cette thèse offre une compréhension renouvelée de l’équilibre entre efficience cognitive et motivation dans les environnements immersifs et propose des recommandations pratiques pour concevoir des expériences pédagogiques en XR pleinement efficaces
Modelling and Operating Physical Systems with Geometrical Methods : an Interdisciplinary Inquiry
No full textThis manuscript provides a synthetic overview of my research work since the award of my PhD degree in 2004. It includes the most important journal and congress papers of this period, which are cited according to their place in the list given in Appendix A. For this volume I have selected the most important results where my personal contribution has been most significant, abandoning the idea of describing the integrity of my publications. The document is divided into two parts: Physical Process Operation and Physical Process Modelling. These parts are almost independent and can be read separately. Each principal section starts with a list of the related publicationsand ends with a display of the first page of these publications.Part I is structured around applications of Optimal Control to physical systems of different scales. It starts with Chapter 1, which provides a short overview of the main concepts of Optimal Control Theory: Pontryagin’s Maximum Principle, normal and abnormal extremals, criteria of local and global optimality. Chapter 2 describes the results of application of Optimal Control theory to the analysis of the extremals of quantum systems and to the rigid body motion. Chapter 3 describes the Optimal Control Problem of batch distillation.Part II focuses on physical process modelling and simulation results. It is divided into three chapters of unequal length, reflecting the spectre of my scientific interests in this domain. Thus, Chapter 4 provides the essential introduction into the novel geometrical approach for the analysis and computation of different types of diagramsarising in the Distillation Theory and Phase separation. Chapter 5 introduces the concepts Non - equilibrium Thermodynamics in relation to nature inspired chemical engineering processes. The manuscript concludes with Part III that puts into a perspective the presented results in order to outline the further short - and long - term development of my research activity
Analyse et prédiction de la réponse d'une sélection de variétés de cotonnier (Gossypium hirsutum L.) à l'intensification agroécologique des systèmes de culture coton/vivrier au Bénin
No full textIn response to soil degradation and rainfall variability observed in the cotton-growing areas of Benin, agroecological cropping systems based on conservation agriculture are proposed as an alternative to conventional agricultural intensification based on deep ploughing and limited crop diversification. The former systems increase resilience and address the rapid decline in soil nutrients. However, their performance can be limited by pedoclimatic conditions and the use of unsuitable varieties. The aim of this thesis was to analyze the agronomic and physiological responses of 6 cotton varieties (Ang956, Okp768, Tamcot_camde, Oultan, Guazuncho2, S188) and to model their interaction with three agroecological cropping systems. There was the conventional system with cover crop biomass [Plough based Tillage with biomass Incorporation (PTI) ]; crop residue and cover crop mulching with Strip-Till [Conservation Agriculture with Strip Tillage (CA_ST)], and crop residue and cover crop mulching with No Till [Conservation Agriculture with No Tillage (CA_NT)] in comparison with the conventional system [Plough based Tillage and residue removal/incorporation (PT)] in the two largest cotton growing: central and northern Benin, respectively represented by Savalou and Soaodou. The first part of the thesis assessed the impact of these cropping systems on the agronomic performance of maize and cotton crops in rotation from 2020 to 2023, as well as on the physical and chemical soil properties and their underlying functions, using the Biofunctool® tool. After 4 years, the results show that the tilled system with green manure incorporation is the most favourable in Savalou, while the two conservation agriculture based systems, with minimum or no tillage performed better in Soaodou, due to differences between these sites in terms of soil properties, climate, and crop rotation. After calibrating and evaluating the CROPGRO-cotton model, the second part of the study highlighted a set of varietal traits specific to the Okp768 and Tamcot_camde cultivars, such as seed size, leaf thickness and late maturity, which promote seed cotton yield potential in agroecological cropping systems. The ideotypes created based on the combination of these traits guarantee optimal cultivar performance in the RCP 4.5 and RCP 8.5 climate change scenarios by 2050.This study depicts an in-depth agroecological evaluation of cropping systems as part of a sustainable agricultural intensification agenda in Benin. It demonstrates the positive impact of the agroecological systems in relation to the pedoclimatic conditions and crop rotations, as well as the importance of varietal selection adapted to these systems. The results obtained can guide the improvement of cropping system design and serve as an indicator for integrating these varietal characteristics into future cotton breeding programs.Face à la dégradation des sols et aux perturbations pluviométriques dans les zones cotonnières du Bénin, des systèmes de culture agroécologiques basés sur l’absence de travail ou un travail du sol réduit, une couverture permanente du sol et des rotations culturales diversifiées sont proposés comme alternative à l’intensification agricole conventionnelle basée sur le labour et une faible diversification agricole. Ces systèmes augmentent la résilience et résolvent la baisse rapide des nutriments des sols. Cependant, leur performance peut être limitée par les conditions pédoclimatiques et le choix variétal inadapté. La thèse visait à analyser le fonctionnement agrophysiologique de 6 variétés de cotonnier (Ang956, Okp768, Tamcot_camde, Oultan, Guazuncho2, S188) et à modéliser leur interaction avec trois systèmes de culture agroécologiques. Ces systèmes étaient le système conventionnel avec enfouissement de la biomasse des plantes de couverture par le labour [Plough based Tillage with biomass Incorporation (PTI) en anglais]; agriculture de conservation avec strip tillage [Conservation Agriculture with Strip Tillage (CA_ST) en anglais], et agriculture de conservation sans labour [Conservation Agriculture with No Tillage (CA_NT) en anglais] en comparaison au système conventionnel [Plough based Tillage (PT) en anglais] dans les deux plus grandes zones de culture cotonnière au Bénin, le centre (Savalou) et le nord (Soaodou). La première partie de la thèse a évalué l'impact de ces systèmes sur les performances agronomiques des cultures de maïs et de coton en rotation de 2020 à 2023 ainsi que sur les propriétés physico-chimiques et les fonctions du sol via l’outil Biofunctool. Après 4 ans, les résultats montrent que le système labouré avec enfouissement d’un engrais vert est le plus favorable à Savalou, tandis que les deux systèmes en agriculture de conservation, sont plus adaptés à Soaodou, en raison des différences pédoclimatiques et de rotation des cultures entre ces sites. Après avoir calibré et évalué le modèle CROPGRO-cotton, la seconde partie de l'étude avait mis en évidence un ensemble de traits variétaux spécifiques des cultivars Okp768 et Tamcot_camde tels que la grosseur des graines, l'épaisseur des feuilles et une plus longue maturité qui sont adaptés à l’amélioration de rendement en coton graine dans les systèmes de culture agroécologiques. Les idéotypes créés sur la base de la combinaison de ces traits pourront garantir une bonne performance des cultivars dans les scénarios de changement climatique RCP 4.5 et RCP 8.5 à l'horizon 2050. Cette étude constitue une évaluation agroécologique approfondie des systèmes de culture dans le cadre d'un processus d'intensification agricole au Bénin. Elle démontre l'impact positif de ces systèmes en relation avec les conditions pédoclimatiques et les rotations culturales, ainsi que l'importance du choix variétal adapté à ces systèmes. Les résultats obtenus peuvent guider l'amélioration de la conception des systèmes de culture agroécologiques et servir d'indicateur pour intégrer ces caractéristiques variétales du cotonnier dans les futures activités de sélection variétale du programme d'amélioration du cotonnier au Bénin
Futurs réseaux sans fil à ondes millimétriques et Sub-6 GHz : Optimisation d'allocation de ressources radio pour les applications mobiles à haut débit et IoT basée sur des méthodes d'apprentissage par renforcement et fédéré
No full textFuture wireless communications will face challenging issues to meet the increasing mobile data tra_c demands while satisfying stringent quality of service (QoS) application requirements jointly in terms of rate, latency and reliability. Unlike conventional mobile broadband tra_c, many of the IoT applications categorized as massive Machine Type Communication (mMTC) or Ultra- Reliable Low-Latency Communication (URLLC) will generate a large number of small packets, coined as short-packet communications. Many research works address this issue by proposing optimized strategies for radio resource allocation by leveraging many advanced technologies such as mmWave and beamforming. In this PhD project, we aim to participate in the e_ort of studying the issues of band selection (mmWave and legacy Sub-6GHz) and user scheduling over the two sub bands while considering practical application requirements. More speci_cally, we aim to develop optimized solutions for joint band selection and user scheduling. We will consider a holistic approach by designing both centralized and distributed solutions when leveraging di_erent learning and optimization methodsLes futurs réseaux de communications sans l et mobiles seront confrontés à de nom- breux dés technologiques pour supporter les de- mandes croissantes de trac de données mobiles tout en répondant aux exigences strictes des appli- cations en termes de débit, de latence et de abil- ité. Contrairement au trac haut débit mobile con- ventionnel, de nombreuses applications IoT clas- siées dans les catégories Massive Machine Type Communications (mMTC) ou Ultra-Reliable Low- Latency Communications (URLLC) généreront un grand nombre de petits paquets (communications appelées Short Packet Communications). De nom- breux travaux de recherche abordent cette ques- tion en proposant des stratégies optimisées pour l'allocation des ressources radio en s'appuyant sur des techniques avancées telles que les ondes mil- limétriques et beamforming. Dans cette thèse, nous visons à participer à ces eorts de recherche en traitant des problèmes d'optimisation jointe de la sélection de bande de transmission et de l'allocation des ressources radio au sein de chaque bande tout en tenant compte des exigences pra- tiques des applications. Nous adopterons une ap- proche holistique en concevant des solutions cen- tralisées et distribuées basés sur des méthodes d'apprentissage automatique et de programmation mathématique
Approche globale d'optimisation de l'intensité d'impulsions attosecondes
No full textHigh harmonic generation (HHG) in rare gases is a prevalent method to generate XUV (200 -10 nm) beams useable as table-top sources of attosecond pulse (1 as = 10-18 s). These pules are notably used to probe ultrafast electronic dynamics in matter. However, HHG is not a very efficient process (10-5 in argon). In order to optimize the intensity of attosecond pulses and to extend the applicability of the XUV beam, characterisation and control of the spatial properties of said beams proves to be critical. Indeed, spatial-temporal couplings, such as chromatic aberrations inherent to the HHG process, can lead to perturbation of the resulting attosecond pulse train. We use two characterisation methods of the spatial properties: the “Spectral Wavefront Optical Reconstruction by Diffraction” (SWORD) technique and an XUV Hartman wavefront sensor. To remove chromatic aberrations in HHG we structure the driving laser to achieve a “flat-top” beam in the spatial and temporal domain, in order to limit the intensity dependant phase term thus limiting chromaticity and improving temporal resolution and intensity of the resulting attosecond pulse train.Le phénomène de génération d’harmonique d’ordre élevé (HHG) dans les gaz rares est une méthode prévalente pour générer des rayonnements XUV (200 -10 nm) utilisable en tant que source d’impulsions attosecondes (1 as = 10-18 s). Ces impulsions permettent notamment de sonder des dynamiques électroniques ultrarapides dans la matière. Cependant, la génération d’harmonique n’est pas un processus très efficace (10-5 dans l’argon). Afin d’optimiser les intensités des impulsions attosecondes et ainsi étendre l’applicabilité du rayonnement XUV, une caractérisation et un contrôle des propriétés spatiales des faisceaux s’avère critique. En effet, des couplages spatio-temporels, tels que des aberrations chromatiques inhérentes au processus de génération d’harmonique, peuvent mener à des perturbations du train d’impulsion attoseconde résultant. Deux méthodes de caractérisation des propriétés spatiales sont ici utilisées : la méthode “Spectral Wavefront Optical Reconstruction by Diffraction” (SWORD) ainsi qu’un senseur de front d’onde Hartmann XUV. Afin de supprimer les aberrations chromatiques, un façonnage spatial et temporel sous la forme d’un profil plat est effectué sur le faisceau de génération permettant de limiter le terme de phase harmonique dépendant de l’intensité. Ceci a pour conséquence d’augmenter la résolution temporelle et l’intensité des impulsions attosecondes
Extraction et formalisation de la connaissance sur la maintenance industrielle réglementaire à partir des corpus semi-structurés
No full textIn various sectors, particularly in industrial maintenance, compliance with legal documents is imperative. Companies have a legal obligation to monitor, maintain, and repair their equipment in accordance with the current regulations. However, these regulations are constantly increasing and evolving. This difficulty in keeping up with legal developments encourages companies to adopt automation methods to analyze documents and ensure compliance. This automation primarily relies on the norms extraction present in textual documents, a task complicated by the multiplicity and density of legal documents. Norm extraction methods are mainly based on syntactic rule-based systems; more broadly, legal information extraction relies on models such as Bi-LSTM and BERT. However, these methods all encounter the same limitation. They require considerable amounts of annotated data, a laborious and time-consuming process, involving costly experts. This limitation becomes a problem when annotated datasets are limited, as in legal industrial maintenance. To address these challenges, our study proposes the use of large language models (LLM) as a solution to overcome data constraints. We have thus developed a hybrid system that combines the generation of synthetic data via LLM, which are then refined through syntactic filtering, to finally be distilled into a BERT model. This contribution is supported by the introduction of SEMLEG, a semantic model allowing the formalization of legal provisions dedicated to industrial maintenance. The SEMLEG model notably models the legal evolution and lifecycle of provisions, an element that is absent from the scientific literature. Our experiments reveal that the production of synthetic data via LLM significantly reduces the dependence on annotated data while achieving promising performance. Our hybrid approach, guided by the SEMLEG model, approaches the performance of state-of-the-art models such as BERT while reducing the involvement of legal experts.Dans divers secteurs, en particulier celui de la maintenance industrielle, la conformité aux documents légaux est impérative. Les entreprises ont l'obligation légale de surveiller, maintenir et réparer leurs équipements conformément aux régulations en vigueur. Toutefois, ces régulations sont en perpétuelle augmentation et évolution. Cette difficulté à suivre les évolutions juridiques incite les entreprises à adopter des méthodes d'automatisation pour analyser les documents et garantir leur conformité. Cette automatisation s'appuie principalement sur l'extraction des normes présentes dans des documents textuels, une tâche compliquée par la multiplicité et la densité des documents juridiques. Les méthodes d'extraction de normes se fondent principalement sur des systèmes reposant sur des règles syntaxiques ; plus largement, l'extraction d'informations juridiques s'appuie sur des modèles tels que Bi-LSTM et BERT. Cependant, ces méthodes rencontrent toutes une même limite. Elles requièrent des quantités considérables de données annotées, un processus laborieux et chronophage, impliquant l'intervention d'experts coûteux. Cette limite devient une problématique lorsque les jeux de données annotées sont limités, comme dans la maintenance industrielle réglementaire. Pour répondre à ces défis, notre étude propose l'utilisation de modèles de langage à grande échelle (LLM) comme solution pour surmonter les contraintes de données. Nous avons ainsi développé un système hybride qui combine la génération de données synthétiques via LLM, qui sont ensuite raffinées via un filtrage syntaxique, pour finalement être distillées dans un modèle BERT. Cette contribution est secondée par l'introduction de SEMLEG, un modèle sémantique permettant la formalisation des dispositions juridiques dédiées à la maintenance industrielle. Le modèle SEMLEG modélise notamment l'évolution juridique et le cycle de vie des dispositions, un élément qui est absent de la littérature scientifique. Nos expérimentations révèlent que la production de données synthétiques via LLM réduit significativement la dépendance aux données annotées tout en atteignant des performances prometteuses. Notre approche hybride, guidée par le modèle SEMLEG, s'approche des performances des modèles de l'état de l'art comme BERT tout en réduisant l'implication des experts juridiques
Hydruration secondaire et fragilisation d'une gaine M5(Framatome) après sollicitation de type APRP
No full textSecondary hydriding, which refers to the absorption of hydrogen by the cladding following high temperature oxidation of its inner surface, can occur during a LOCA (Lost of Coolant Accident) transient in case of cladding burst which allows steam ingress inside the fuel rod. This hydriding phenomenon results in high hydrogen uptake into the cladding material, potentially leading to its embrittlement. Many nuclear institutes conduct semi-integral tests to study the cladding behaviour during a LOCA transient. These tests combine several coupled phenomena, making it challenging to perform a detailed analysis of the secondary hydriding phenomenon. This thesis focuses on the secondary hydriding, with the aim of deepening the understanding of this phenomenon through a combination of experimental and modelling approaches. A dedicated experimental protocol was developed to simulate the secondary hydriding phenomenon under LOCA conditions, with the main objective of conducting a separate effect study to simplify the mode⌀2 and ⌀4 mm). Several hydrogen measurement methods were carried out to characterise the hydrogen distribution after steam oxidation: HVE, Neutron Radiography and µ-LIBS analysis. Microanalyses, such as EPMA and µ-LIBS, were used to locally map the distribution of both oxygen and hydrogen within the cladding. Separate effect tests were modelled with the ASNR's SHOWBIZ computational code. A parametric study was performed using the code to investigate the effects of several parameters. Among the studied parameters, the effects of both the oxidation duration and the temperature exhibits a similar trend to the experimental observations. Finally, the effects of oxidation and hydriding embrittlement on the cladding were characterised through four point bending tests and linear elastic fracture mechanics modelling.L'hydruration secondaire, qui fait référence à une prise massive d'hydrogène par la gaine combustible due à l'oxydation à haute température de la surface interne de la gaine, peut survenir pendant un transitoire APRP (Accident de Perte de Réfrigérant Primaire), en cas d'éclatement de gaine permettant à la vapeur de pénétrer à l'intérieur. Ce phénomène peut ensuite induire une fragilisation de la gaine combustible et conduire à une rupture lors de la phase de renoyage. Plusieurs instituts de recherche internationaux réalisent des essais dits semi-intégraux afin de caractériser le comportement des gaines combustibles en APRP. Ces essais combinent plusieurs phénomènes interconnectés, rendant complexe une étude fine et à effets séparés du phénomène d'hydruration secondaire. Ces travaux de thèse ont pour objectif d'améliorer la compréhension du phénomène d'hydruration secondaire par le biais d'essais analytiques dédiés et couplés à des simulations physico-chimiques et mécaniques. Un protocole expérimental a été mis en place, pour simuler le phénomène d'hydruration secondaire en conditions APRP, afin de caractériser l'effet de divers paramètres. Les résultats expérimentaux obtenus indiquent que la quantité d'hydrogène absorbée par la gaine augmente à la fois avec la température d'oxydation (1100-1200°C) et la durée d'oxydation (100-1400s). Une tendance similaire a été observée en étudiant l'influence de différentes tailles de gap (80, 130 et 230 µm) et de différents diamètres d'ouverture (⌀2 et ⌀4 mm). Différentes méthodes de mesure de l'hydrogène ont été utilisées pour caractériser la distribution de l'hydrogène au sein du matériau après oxydation :la mesure par fusion dégazage, l'imagerie par neutrons et la µ-LIBS. Des techniques d'analyses locales (EPMA et µ-LIBS) ont également été employées afin de déterminer la distribution locale de l'oxygène et de l'hydrogène. Les essais à effets séparés ont été modélisés à l'aide du logiciel SHOWBIZ de l'ASNR. Les simulations réalisées ont permis de mettre en évidence les mécanismes de transport des gaz à l'intérieur de la gaine, ainsi que l'influence de différents paramètres. La tendance des résultats de simulations est en bon accord avec les résultats expérimentaux. Enfin, les effets de fragilisation combinés des réactions d'oxydation et d'hydruration de la gaine ont été étudiés par le biais d'essais de flexion 4 points et par une modélisation mécanique de la rupture
Des matériaux carbonés au stockage de l'énergie : étude des mécanismes de sodation d'électrodes négatives pour batteries sodium-ion
No full textIn the current context of the energy transition, energy storage is a major challenge where lithium-ion batteries dominate the market. This technology is currently raising questions about the critical materials it uses. A great deal of research is going into identifying solutions to replace this type of accumulators, which is already well established in industry, including sodium-ion batteries. This technology mainly uses hard carbons as the negative electrode material. These non-graphitisable carbons have a complex structure and porous texture, which makes it difficult to analyse these materials, leading to disagreement within the scientific community concerning their electrochemical sodation mechanisms. The aim of this thesis is to contribute to the understanding of the behaviour of hard carbons in Na-ion batteries, through a detailed multi-technique and multi-scale analysis. To this purpose, a method for developing carbon materials was specifically developed, and the samples obtained were compared with commercial carbons. A study of their electrochemical sodiation confirmed a three-stage mechanism. Among other things, this work highlights the importance of developing “closed” porosity to improve the specific capacity of materials. In addition, TiO2/carbon nanocomposites were prepared using an innovative method and considered as an alternative anode for Na-ion battery.Dans le contexte de la transition énergétique actuel, le stockage de l'énergie est un enjeu majeur pour lequel les batteries lithium-ion dominent le marché. Cette technologie interroge aujourd'hui quant aux matériaux critiques qu'elle emploie. De nombreuses recherches visent à identifier des solutions pour substituer ce type d'accumulateurs déjà bien implanté dans l'industrie, parmi lesquelles figurent les batteries sodium-ion. Cette technologie emploie principalement des carbones durs en tant que matériau d'électrode négative. Ces carbones non graphitisables présentent une structure et une texture poreuse complexes rendant difficile l'analyse de ces matériaux, d'où des désaccords au sein de la communauté scientifique quant à leurs mécanismes de sodation électrochimique. L'objectif de cette thèse est de contribuer à la compréhension du comportement des carbones durs en batterie Na-ion, par le biais d'une analyse fine multitechnique et multiéchelle. Pour cela, une méthode d'élaboration de matériaux carbonés a été spécifiquement développée, et les matériaux obtenus ont été comparés à des carbones commerciaux. Une étude de leur sodation électrochimique a conforté un mécanisme en trois étapes. Ce travail souligne entre autres l'importance de développer une porosité « fermée » permettant d'améliorer la capacité spécifique des matériaux. Par ailleurs, des nanocomposites TiO₂/carbone ont été préparés à l'aide d'une méthode novatrice et considérés en tant qu'anode alternative pour batterie Na-ion
Design, synthesis, molecular modeling, and biological evaluation of novel polyphenolic and boronic-based arginase inhibitors
No full textArginase is a metalloenzyme that catalyses thehydrolysis of L-arginine to L-ornithine and urea. Theoverexpression of arginase contributes to various pathologicalprocesses, including oxidative stress, and tissue remodelling,and occurs in fibrosis. Therefore, inhibiting arginase has strongtherapeutic potential. However, this remains a challenge, asevidenced by the small number of effective inhibitors. Boronicacids are considered among the most effective inhibitors: α-amino acids with a boronic residues, and polyphenols whichdisplay only moderate activity; however, this limitation isbalanced by their potential to act on multiple targets. This workfocuses on the design, synthesis, modelling and evaluation ofnew arginase inhibitors. The first part focuses on boronicinhibitors. Initially, a synthetic route was revisited to designbifunctional inhibitors. This approach resulted in the synthesisof an α-amino acid with a boronic residue and a chemicalanchor. Secondly, following the recent identification, of theinhibitory activity of β-amino acids, a fragment-based approachwas used to design β-amino acids with a boronic residue. A newsynthetic route was developed starting from Meldrum's acid andinvolving a [3+2] annelation-fragmentation reaction to producean oxazolidin-5-one intermediate. This intermediate is thenborylated using organometallic catalysis.However, the inhibitory activity of these compounds was limited.The second part of the research focused on developing inhibitorsinspired by natural products. First, hit-to-lead optimisation wascarried out based on an aurone identified by screening. This workled to the synthesis of polyphenolic chalcones that show betterarginase inhibition, as corroborated by a quantum chemistrymodelling study. Next, pharmacomodulation work wasundertaken on piceatannol, a polyphenolic stilbene with knownarginase activity. The synthesis and evaluation of amidines andthioamides led to the identification of a thioamide bearing twocatechols, whose inhibitory activity was twice that ofpiceatannol. A quantum chemistry modelling study rationalisedthis result. In addition, this compound displayed excellentantioxidant properties, and given the multi-target potential ofpolyphenols, it was assessed in a dermal fibrosis model.Although the results appear to be unrelated to an effect onarginase, this compound is a promising candidate for thetreatment of fibrosis, and the precise mechanism remains to beelucidated.L’arginase est une métalloenzyme qui catalysel’hydrolyse de la L-arginine en urée et en L-ornithine. Unesurexpression de l’arginase contribue à divers processuspathologiques, notamment, échappement immunitaire, etremodelage tissulaire. Elle apparait dans des cancers etcertaines fibroses. L’inhibition de l’arginase présente donc unfort potentiel thérapeutique. Toutefois celle-ci reste un défi,comme en témoigne le faible nombre d’inhibiteurs efficaces:des acides α-aminés avec un résidu boronique et despolyphénols dont l’activité modérée, est compensée par leurpotentiel multi-cible. Le présent travail porte sur la conception,la synthèse, la modélisation et l’évaluation de nouveauxinhibiteurs de l’arginase. Le premier volet porte sur desinhibiteurs boroniques. Dans un premier temps, une voie desynthèse a été réorientée dans la perspective de concevoir desinhibiteurs bifonctionnels. Cette approche a conduit à lasynthèse d’un acide α-aminé avec un résidu boronique et uneancre chimique. Dans un second temps, une activité inhibitriceprometteuse d’acides β-aminés ayant été récemment identifiée,des acides β-aminés avec un résidu boronique ont été conçusselon une approche de type fragment-based. Une nouvelle voiede synthèse a été élaborée, à partir de l’acide de Meldrum, etd’une réaction d’annélation-fragmentation [3+2], conduisant àun intermédiaire de type oxazolidin-5-one, qui a ensuite étéborylé par catalyse organométallique.Toutefois, l’activité inhibitrice de ces composés s’est révéléedécevante. Le deuxième volet porte sur le développementd’inhibiteurs inspirés de produits naturels. D’abord, uneoptimisation de type hit-to-lead a été menée à partir d’une auroneidentifiée par criblage. Ce travail a conduit à la synthèse dechalcones polyphénoliques qui ont montré un meilleur résultat surl’arginase corroborée par une étude de modélisation en chimiequantique. Ensuite, un travail de pharmacomodulation dupicéatannol, un stilbène polyphénolique dont l’activité surl’arginase a été démontrée, a été engagé. La synthèse etl’évaluation d’amidines et de thioamides a permis d’identifier unthioamide avec deux motifs catéchols dont l’activité inhibitrice estdeux fois supérieure à celle du picéatannol. Une étude demodélisation en chimie quantique, a permis de rationnaliser cerésultat. De plus, ce composé a montré d’excellentes propriétésantioxydantes et au regard du potentiel multicible des polyphénols,il a été testé dans un modèle de fibrose dermique. Les résultats sontencourageants et quoiqu’ils semblent décorrélés d’un effet surl’arginase, ce composé est un candidat prometteur pour letraitement de la fibrose dont le mécanisme précis reste à élucider
Apprentissage d'opérateur pour la modélisation de dynamiques spatiotemporelles issues d'EDPs
No full textPartial differential equations (PDEs) are fundamental to scientific modeling, naturally emerging from physical principles such as mass and energy conservation. Depending on modeling assumptions, PDEs take various forms and parameterizations, yet most lack closed-form analytical solutions. Consequently, numerical methods are required to approximate solutions, converging toward the true solution as the discretization resolution increases. Over the years, scientists and engineers have developed a wide range of numerical solvers, including Finite Differences, Finite Elements, Finite Volumes, and Spectral Methods. These solvers offer theoretical guarantees: they approximate the continuous dynamics of the underlying PDEs, provide well-characterized error bounds, and can be analyzed. However, their performance is constrained by numerical stability—coarse spatial or temporal discretization can lead to instability—making them computationally expensive and time-consuming. Various statistical techniques, such as reduced-order modeling and parameterization, have been proposed to mitigate these costs, but they are not designed to generalize across a broad range of simulations. In recent years, the increasing availability of large-scale data and computational resources has triggered a paradigm shift in fields such as computer vision and natural language processing, where deep learning models trained directly on data have outperformed traditional statistical methods relying on hand-crafted features. A similar revolution is underway in scientific computing, particularly in PDE resolution. This thesis explores how neural networks trained on data can approximate numerical solvers. These neural surrogates generate accurate PDE solutions at a fraction of the computational cost of numerical simulations, making them attractive for engineering applications. However, their major limitation is poor generalization: they struggle with changes in problem setup, such as variations in discretization, domain geometry, or PDE parameters. This thesis focuses on improving the generalization capabilities of neural solvers across these challenging scenarios. The methods developed have direct implications for industrial applications, including geometric design optimization and accelerating numerical simulations. This manuscript presents the main contributions of this thesis, structured as follows: We introduce a novel framework based on neural fields for operator learning, addressing constraints on mesh discretization. Coral, our framework, enables dynamics modeling and geometry-aware inference on data discretized over regular grids, irregular grids, and even point clouds. We propose Infinity, a specialized version of Coral tailored for solving Reynolds-Averaged Navier-Stokes (RANS) equations. Unlike Coral, Infinity incorporates both geometrical features (e.g., signed distance functions) and flow parameters (e.g., inlet velocities) to predict the steady-state solution. We validate its performance on a dataset representative of real-world computational fluid dynamics challenges. We introduce Aroma, an improved neural surrogate, that extends Coral and existing transformer-based methods. Aroma employs an encoder-decoder architecture that maps observations to latent tokens while incorporating information about domain geometry. To enhance stability at inference, we integrate a diffusion-based transformer for modeling temporal dynamics. Inspired by the in-context learning capabilities of large language models, we propose Zebra, a novel framework for solving PDEs. Zebra adapts trajectory forecasts to various conditioning prompts, including past observations or similar trajectories. The model employs vector quantization to discretize observations into a physics-informed vocabulary and uses a decoder-only transformer trained with a next-token objective. We design a data pipeline that pretrains Zebra on diverse dynamical tasks, enabling robust generalization.Les équations aux dérivées partielles (EDP) sont omniprésentes en modélisation scientifique. Elles émergent naturellement des premiers principes physiques comme la conservation de la masse ou de l'énergie. Selon les hypothèses, elles peuvent prendre diverses formes et paramétrisations, mais n'admettent que rarement une solution analytique. Il est donc nécessaire de recourir à des méthodes numériques (différences finies, éléments finis, volumes finis, méthodes spectrales) pour obtenir des solutions approchées. Ces méthodes offrent des garanties théoriques en termes de convergence et d'analyse d'erreur, toutefois leur stabilité dépend fortement de la finesse de la discrétisation, ce qui engendre des coûts de calcul importants. Bien que certaines méthodes statistiques, comme la réduction d'ordre ou la paramétrisation, tentent de réduire ces coûts, elles restent peu adaptables à une diversité de configurations. L'accroissement des données disponibles et des ressources de calcul a récemment bouleversé des domaines comme la vision par ordinateur ou le traitement du langage naturel, où les modèles d'apprentissage profond surpassent les approches statistiques classiques basées sur des représentations conçues par des experts. Une tendance similaire émerge dans le domaine des simulations scientifiques, notamment pour la résolution d'EDP. Cette thèse étudie comment des réseaux de neurones entraînés sur des données issues de simulations numériques peuvent servir de modèles substituts capables de générer des solutions précises à faible coût. Ces modèles sont particulièrement prometteurs pour les applications industrielles, mais leur principal défaut est qu'ils s'adaptent mal aux changements dans la discrétisation des conditions initiales, dans la géométrie du domaine ou dans la paramétrisation de l'EDP. Ce manuscrit explore différentes approches pour améliorer la généralisation face à ces scénarios, et expose les principales contributions de cette thèse, qui portent sur les sujets suivants : Nous introduisons une nouvelle méthodologie basée sur les champs neuronaux pour l'apprentissage d'opérateur. Cette approche, appelée Coral, allège les contraintes liées au maillage de discrétisation des données. Elle peut être utilisée pour modéliser des dynamiques spatiotemporelles ou inférer des solutions stationnaires, sur des grilles régulières, irrégulières ou des nuages de points. Nous proposons Infinity, une version spécialisée de Coral pour la résolution des équations de Reynolds-Averaged Navier-Stokes (RANS). Contrairement à Coral, Infinity est conçu pour prendre en entrée à la fois des caractéristiques géométriques (par exemple, une fonction de distance signée) et des paramètres d'écoulement (par exemple, des vitesses d'entrée) pour prédire la solution stationnaire du système. Nous avons mené des expériences sur des cas représentatifs des défis rencontrés en mécanique des fluides numérique. Nous avons ensuite développé Aroma, un modèle substitut neuronal qui étend Coral et les modèles basés sur les transformeurs. Aroma repose sur une architecture encodeur-décodeur qui projette les observations vers une séquence de tokens latents en tenant compte de la géométrie du domaine. Pour la modélisation temporelle, nous utilisons un transformeur avec un mécanisme de débruitage pour accroître la stabilité des simulations. Nous nous sommes inspirés des capacités des modèles de langage à réaliser un apprentissage en contexte pour de nouvelles tâches, et proposons Zebra, une méthode qui permet d'adapter la prédiction des trajectoires à divers types de conditionnement, incluant des observations passées ou des trajectoires similaires. Le modèle utilise la quantification vectorielle pour discrétiser les observations en un vocabulaire physique, et un transformeur entraîné pour prédire le prochain token. Nous proposons un pipeline de données intégrant une diversité de tâches dynamiques pour améliorer la généralisation du modèle