HAL Portal IOGS (nstitut d'Optique Graduate School)
Not a member yet
12589 research outputs found
Sort by
Integer Syndrome Decoding in the Presence of Noise
No full textInternational audienceCode-based cryptography received attention after the NIST started the post-quantum cryptography standardization process in 2016. A central NP-hard problem is the binary syndrome decoding problem, on which the security of many code-based cryptosystems lies. The best known methods to solve this problem all stem from the information-set decoding strategy, first introduced by Prange in 1962. A recent line of work considers augmented versions of this strategy, with hints typically provided by side-channel information. In this work, we consider the integer syndrome decoding problem, where the integer syndrome is available but might be noisy. We study how the performance of the decoder is affected by the noise. We provide experimental results on cryptographic parameters for the BIKE and Classic McEliece cryptosystems, which are both candidates for the fourth round of the NIST standardization process
Robustness to spatially-correlated speckle in Plug-and-Play PolSAR despeckling
No full textInternational audienceSynthetic Aperture Radar (SAR) provides valuable information about the Earth's surface in all-weather and dayand-night conditions. Due to the inherent presence of speckle phenomenon, a filtering step is often required to improve the performance of downstream tasks. In this paper, we focus on dealing with the spatial correlations of speckle, which impacts negatively many of the existing speckle filters. Taking advantage of the flexibility of variational methods based on the Plug-and-Play strategy, we propose to use a Gaussian denoiser trained to restore SAR scenes corrupted by colored Gaussian noise with correlation structures typical of a range of radar sensors. Our approach improves the robustness of Plug-and-Play despeckling techniques. Experiments conducted on simulated and real polarimetric SAR images show that the proposed method removes speckle efficiently in the presence of spatial correlations without introducing artifacts, with a good level of detail preservation. Our method can be readily applied, without network retraining or fine-tuning, to filter SAR images from various sensors, acquisition modes (SAR, PolSAR, InSAR, PolInSAR), spatial resolution, and even benefit from co-registered multi-temporal stacks, when available. The code of the trained models is made freely available at https://gitlab.telecom-paris.fr/ring/mulog-drunet
MARQUAGE ANTI-CONTREFAÇON ASSOCIANT RÉSEAU RÉSONANT ET REVÊTEMENT LUMINESCENT
No full textInternational audienc
Experimental tests of the calibration of high precision differential astrometry for exoplanets
No full textInternational audienc
Luminescence of black phosphorus films: Exfoliation-induced defects and confined excitations
No full textInternational audienceBlack phosphorus (BP) stands out from other two-dimensional (2D) materials by the wide amplitude of the band-gap energy (Eg) that sweeps an optical window from visible to infrared wavelengths, depending on the layer thickness. This singularity made optical and excitonic properties of BP difficult to map. Here we report a comprehensive study of the intrinsic (i.e., measured at 4 K) optical properties of 79 passivated BP flakes obtained by mechanical exfoliation of thickness ranging from 4 to 700 nm. By following single- or multistamp exfoliation protocols and by combining micro-Raman and photoluminescence experiments, we demonstrate that the exfoliation step induces line like defects which open radiative recombination paths alternative to those of the crystalline bulk and that actually dominate the emission process. We also show that the evolution of the photoluminescence energy versus thickness follows an inverse square law. We relate this to a quantum well model whose validity is discussed and justified at intermediate thickness. Finally, we report that the emission energy of BP slabs placed in different 2D heterostructures is not significantly modulated by the dielectric environment
Experimental study and modeling of extreme ultraviolet 4000 lines/mm diffraction gratings coated with periodic and aperiodic Al/Mo/SiC multilayers
No full textInternational audienc
Detecting abnormal cell behaviors from dry mass time series
No full textInternational audienceThe prediction of pathological changes on single cell behaviour is a challenging task for deep learning models. Indeed, in self-supervised learning methods, no prior labels are used for the training and all of the information for event predictions are extracted from the data themselves. We present here a novel self-supervised learning model for the detection of anomalies in a given cell population, StArDusTS. Cells are monitored over time, and analysed to extract time-series of dry mass values. We assessed its performances on different cell lines, showing a precision of 94% in the automatic detection of anomalies. Additionally, anomaly detection was also associated with cell measurement errors inherent to the acquisition or analysis pipelines, leading to an improvement of the upstream methods for feature extraction. Our results pave the way to novel architectures for the continuous monitoring of cell cultures in applied research or bioproduction applications, and for the prediction of pathological cellular changes
Microscopie holographique numérique en ligne : amélioration et analyse des aberrations géométriques par étalonnage et étude préliminaire d'échantillons biologiques non marqués
No full textObserving transparent samples under traditional microscopes is challenging due to their low absorption of visible radiation. Quantitative phase imaging techniques measure phase shifts in light waves passing through transparent samples, allowing for label-free imaging. Digital holographic microscopy (DHM) is one such technique, where a digital hologram recording amplitude and phase shifts is numerically reconstructed to retrieve absorption and phase images of the object under study. However, optical aberrations due to the imaging system can degrade the resolution of DHM systems and influence quantitative measurements, especially when imaging small objects comparable to the wavelength of light. Among various optical configurations used to achieve digital holography, in-line holography is easy to implement as it requires fewer optical components and does not require a separate reference beam. This thesis explores the estimation and correction of optical aberrations in digital in-line holographic microscopy (DIHM) to achieve reliable quantitative measurements with nanometer-scale precision. The first objective is to improve DIHM reconstructions by estimating the imaging system's aberrations. I study the influence of optical aberrations by model-based reconstructions (using a Matlab toolbox developed by Dylan Brault), inducing and measuring controlled aberrations in the setup. We use the aberration-corrected Lorenz-Mie model for aberration estimations. A statistical analysis of various controlled aberrations is also presented. The second objective is to detect unstained bacteria in the presence and absence of blood using state-of-the-art numerical reconstruction methods in DIHM. I analyze unstained bacteria specimens with calibration beads using various immersion media to enhance contrast, both with and without blood. I use the classical iterative phase retrieval algorithms and an aberration-corrected Lorenz-Mie model to reconstruct holograms of unstained bacteria and calibration beads. By applying these methods and analyzing the results, I achieve accurate and precise reconstructions by reducing systematic biases in parameter estimations under various aberration conditions. I further validated these improvements using a statistical dataset of holograms. In preliminary studies of unstained bacteria samples, our results show that the quality of reconstructed bacteria images depends on the presence of blood or the choice of immersion medium.L'observation d'échantillons transparents au microscope traditionnel est difficile en raison de leur faible absorption du rayonnement visible. Les techniques d'imagerie quantitative de phase mesurent les déphasages des ondes lumineuses traversant les échantillons transparents, permettant une imagerie sans marquage. La microscopie holographique numérique (DHM) est l'une de ces techniques, où un hologramme numérique est reconstruit numériquement pour obtenir des images d'absorption et de déphase des objets étudiés. Cependant, les aberrations optiques dues au système d'imagerie peuvent dégrader la résolution des systèmes DHM et dégrader les mesures, en particulier lors de l'imagerie de petits objets, de taille comparables à la longueur d'onde de la lumière. Parmi les diverses configurations optiques utilisées pour réaliser l'holographie numérique, l'holographie en ligne est facile à mettre en œuvre car elle nécessite peu de composants optiques et ne requiert pas de faisceau de référence séparé. Cette thèse explore l'estimation et la correction des aberrations optiques en microscopie holographique numérique en ligne (DIHM) pour obtenir des mesures quantitatives fiables avec une précision nanométrique.Le premier objectif fut d'améliorer les reconstructions DIHM en estimant les aberrations du système d'imagerie. J'ai étudié l'influence des aberrations optiques à l’aide de reconstructions basées sur de l’ajustement de modèles (en utilisant la toolbox Matlab développée par Dylan Brault), en induisant et en mesurant des aberrations contrôlées dans le montage. J’ai utilisé le modèle de Lorenz-Mie corrigé des aberrations pour les estimer les aberrations. Une analyse statistique de diverses aberrations contrôlées a été menée. En appliquant ces méthodes et en analysant les résultats, j'ai obtenu des reconstructions précises et exactes avec une dispersion et des biais systématiques réduits dans les estimations de paramètres sous diverses conditions d'aberration. J'ai validé ces améliorations en utilisant un ensemble de données statistiques d'hologrammes.Le deuxième objectif fut de détecter des bactéries non marquées/non colorées en présence et en absence de sang en utilisant le DIHM avec des méthodes de reconstructions itératives de l'état de l'art. J'ai analysé des échantillons de bactéries en utilisant divers milieux d'immersion pour améliorer le contraste, avec et sans sang. J'ai utilisé les algorithmes itératifs classiques de « phase retrieval » pour reconstruire les hologrammes et un modèle de Lorenz-Mie corrigé des aberrations pour reconstruire les billes de calibration introduites dans l’échantillon. Dans cette étude préliminaire sur des échantillons de bactéries non colorées, les résultats montrent que la qualité des images reconstruites des bactéries dépend de la présence de sang ou du choix du milieu d'immersion
Détection de fraude à l'assurance maladie à l'aide de modèles d'apprentissage automatique et de fouille de données explicables et interprétables
No full textThis thesis presents a comprehensive framework for detecting healthcare fraud using graph-based models with a particular focus on explainability and interpretability. The increasing complexity of fraud detection tasks, particularly within attributed networks, necessitates the use of advanced machine learning techniques. Graph Neural Networks (GNNs) and, more specifically, Graph Auto-Encoders (GAEs) have emerged as powerful tools for anomaly detection, yet their black-box nature poses significant challenges for transparency and trust.We introduce Suspicious, a semi-supervised GAE-based framework designed to detect fraud within attributed healthcare networks. Unlike traditional anomaly detection approaches, Suspicious requires very few labeled examples and is resilient to mislabeling errors—common challenges in real-world data. Through extensive experiments on both synthetic and real-world datasets, Suspicious demonstrated superior performance in detecting frauds, including rare and previously undiscovered fraud patterns. Additionally, the model shows robustness even when trained on sparse or noisy labels, highlighting its practical applicability.A core contribution of this thesis lies in the explainability of anomaly detection results. We propose an explainability method based on reconstruction errors within GAEs. While promising, our analysis reveals the need for further refinement of explainability techniques, particularly when applied to real-world datasets, where existing explainers often fail to provide meaningful insights.In the final chapter, we apply our methods to real-world healthcare data, showing how Suspicious not only uncovers known frauds but also helps identify novel fraudulent patterns previously undetected by existing systems. Our results underline the importance of interpretable and explainable AI in operational settings, especially in domains where decision-making must be transparent and justifiable.Cette thèse présente un cadre complet pour la détection de fraudes dans les soins de santé en utilisant des modèles basés sur les graphes, avec un accent particulier sur l'explicabilité et l'interprétabilité. La complexité croissante des tâches de détection de fraude, en particulier dans les réseaux attribués, nécessite l'utilisation de techniques avancées d'apprentissage automatique. Les réseaux de neurones graphiques (GNNs) et, plus précisément, les auto-encodeurs de graphes (GAEs), se sont révélés être des outils puissants pour la détection d'anomalies, bien que leur nature de « boîte noire » pose des défis significatifs en termes de transparence et de confiance.Nous introduisons Suspicious, un cadre semi-supervisé basé sur les GAEs, conçu pour détecter les fraudes dans les réseaux attribués des soins de santé. Contrairement aux approches traditionnelles de détection d'anomalies, Suspicious nécessite très peu d'exemples étiquetés et est résistant aux erreurs d'étiquetage, un problème fréquent dans les données du monde réel. À travers des expériences approfondies sur des ensembles de données synthétiques et réelles, Suspicious a démontré des performances supérieures pour détecter les fraudes, y compris des schémas rares et encore inconnus. De plus, le modèle montre une robustesse même lorsqu'il est entraîné sur des étiquettes rares ou bruitées, soulignant ainsi son applicabilité pratique.Une contribution essentielle de cette thèse réside dans l'explicabilité des résultats de détection d'anomalies. Nous proposons une méthode d'explicabilité basée sur les erreurs de reconstruction dans les GAEs. Bien que prometteuse, notre analyse révèle la nécessité d'améliorer davantage les techniques d'explicabilité, en particulier lorsqu'elles sont appliquées à des ensembles de données réelles, où les explications fournies par les méthodes actuelles échouent souvent à apporter des éclaircissements significatifs
Étude numérique de la mouillabilité des surfaces traitées et texturées par laser femtoseconde
No full textFemtosecond laser processing can create micro- and nano-scale features on materials, but it can also result in surface oxidation and changes in wettability over time. This thesis explores numerical modeling of surface wettability using computational fluid dynamics (CFD) and molecular dynamics (MD). CFD simulations suggest that complex multi-period relief improves wettability control on Ti-6Al-4V, while MD simulations provide insight into wettability mechanisms at the molecular level. Simulations of femtosecond laser interactions with titanium were also performed, revealing melting, ablation and phase transitions of the materials, impacting wettability and oxidation processes.Le traitement au laser femtoseconde peut créer des caractéristiques à l'échelle micro et nano sur les matériaux, mais il peut également entraîner une oxydation de la surface et des modifications de la mouillabilité au fil du temps. Cette thèse explore la modélisation numérique de la mouillabilité de surface à l'aide de la dynamique des fluides computationnelle (CFD) et de la dynamique moléculaire (MD). Les simulations CFD suggèrent qu'un relief complexe sur plusieurs périodes améliore le contrôle de la mouillabilité sur Ti-6Al-4V, tandis que les simulations MD fournissent un aperçu des mécanismes de mouillabilité au niveau moléculaire. Des simulations d'interactions laser femtoseconde avec le titane ont également été réalisées, révélant la fusion, l'ablation et les transitions de phase des matériaux, ayant un impact sur les processus de mouillabilité et d'oxydation