Theses.fr
Not a member yet
182636 research outputs found
Sort by
Non-ribosomal peptide natural products from human pathogen Pseudomonas aeruginosa : diversity and biosynthesis
No full textLes produits naturels (PN) sont des composés chimiques produits par des organismes vivants. Ils constituent une source majeure de médicaments et sont très bénéfiques pour la société humaine. Ils jouent un rôle essentiel dans la physiologie et l'écologie des organismes producteurs. La compréhension de la diversité et de la biogenèse des produits naturels chez les pathogènes microbiens humains permettra donc de développer de nouvelles stratégies antimicrobiennes. Parmi les PN, les peptides non ribosomiques (NRP) dérivés des voies de synthèse des peptides non ribosomiques (NRPS) présentent une grande diversité structurale et des propriétés bioactives. Pseudomonas aeruginosa est un pathogène Gram négatif humain majeur associé à de multiples mécanismes de résistance aux antibiotiques, pour lesquels des stratégies antibactériennes innovantes sont nécessaires de toute urgence. Des travaux antérieurs menés dans notre laboratoire ont permis de découvrir des azétidomonamides, des carbamates bicycliques produits par une voie NRPS conservée dans P. aeruginosa et dont la production est contrôlée par le quorum sensing. Il a été démontré que l'azétidomonamide A atténuait la virulence de P. aeruginosa dans un modèle d'infection par la cochenille Galleria mellonella. Ces données suggèrent que la voie de l'azétidomonamide est un acteur clé dans la pathogénicité de P. aeruginosa. Dans cette thèse, nous élucidons la biosynthèse complète de l'azétidomonamide A par délétion de gènes et tests biochimiques in vitro. Cela révèle que deux domaines de condensation, l'un au sein du NRPS et l'autre en tant que protéine autonome, sont impliqués dans deux étapes distinctes de déshydratation. De plus, la diversité chimique de la voie de l'azétidomonamide est explorée plus en détail par réseautage moléculaire à l'aide d'outils chimioinformatiques tels que GNPS, MS2LDA et SIRIUS. Une série de composés conjugués entre l'azétidomonamide A et des composés dérivés de molécules de détection de quorum a été identifiée, parmi lesquels un composé a été caractérisé structurellement par RMN. La fonction biologique de ces conjugués reste toutefois à découvrir. De plus, la base moléculaire de l'effet anti-virulence de l'azétidomonamide A est étudiée et il est démontré qu'elle est liée à la modification d'une protéase impliquée dans la voie de dégradation des protéines. Dans l'ensemble, ce travail fournit une compréhension fondamentale de la diversité et de la biosynthèse des azétidomonamides chez P. aeruginosa, ouvrant ainsi la voie au développement d'antibiotiques anti-virulence apparentés.Natural products (NPs) are chemical compounds produced by living organisms. They are a major source of medicines and highly beneficial for human society. Fundamentally, they play essential roles in the physiology and ecology of the producing organisms. Understanding the diversity and biogenesis of natural products in human microbial pathogens will hence provide novel antimicrobial strategies. Among NPs, non-ribosomal peptides (NRPs) derived from non-ribosomal peptide synthetase (NRPS) pathways exhibit rich structural diversity and bioactivities. Pseudomonas aeruginosa is a major human Gram-negative pathogen associated with multiple antibiotic resistance mechanisms, which innovative antibacterial strategies are urgently needed. Previous work in our laboratory discovered azetidomonamides, bicyclic carbamates produced by a conserved NRPS pathway in P. aeruginosa and whose production is controlled by quorum sensing. Azetidomonamide A has been shown to attenuate the virulence of P. aeruginosa using a Galleria mellonella infection model. These data suggest the azetidomonamide pathway as a key player in the pathogenicity of P. aeruginosa. In this thesis, we elucidate the complete biosynthesis of azetidomonamide A by gene deletion and in vitro biochemical assays. This reveals that two condensation domains, within the NRPS and as a standalone protein, respectively, are involved in two distinct steps of dehydration. Moreover, the chemical diversity of the azetidomonamide pathway is further explored by molecular networking using chemoinformatic tools such as GNPS, MS2LDA, and SIRIUS. A series of conjugated compounds between azetidomonamide A and quorum sensing molecule-derived compounds are identified, among them one compound is characterized structurally by NMR. The biological function of these conjugates still remains to be discovered. In addition, the molecular basis of the anti-virulence effect of azetidomonamide A is studied and is shown to be related to the modification of a protease involved in the protein degradation pathway. Taken together, this work provides fundamental understanding of the diversity and biosynthesis of azetidomonamides in P. aeruginosa, opening the avenue to develop related anti-virulence antibacterials
Model and sizing method for a conical synchronous machine : unification of radial and axial topologies
No full textLa recherche permanente d’accroître la densité de puissance et l'efficacité énergétique dans de nombreux secteurs industriels, notamment dans celui de la mobilité, a conduit au perfectionnement de deux grandes topologies de machines : les machines à flux radial et les machines à flux axial, chacune présentant des avantages distincts. Or, les progrès constants dans les procédés de fabrication additive autorisent aujourd’hui une révision des concepts et de nouvelles possibilités, telles que les machines à flux conique.À ce titre, un modèle géométrique propre à ce concept est développé. Reposant sur la prise en compte d’un angle d’inclinaison de l’entrefer, il permet conjointement de définir de manière continue les topologies usuelles (radiales et axiales). Un premier niveau de modélisation électromagnétique basé sur le théorème d’Ampère, reposant sur un certain nombre d’hypothèses simplificatrices, permet d’apprécier l’intérêt de cette solution conique. Le modèle est notamment confronté à des simulations par éléments finis pour validation sur une plage d’étude paramétrique et incluant les machines radiales et axiales. Les performances en termes de couples et de couples volumiques sont évaluées, confirmant l’intérêt théorique des machines coniques.Une fois l’intérêt souligné, une modélisation analytique plus précise est entreprise afin d’évaluer les composantes magnétiques nécessaires au dimensionnement des paramètres géométriques. La distribution des sources est prise en compte pour résoudre le champ d’induction magnétique d’entrefer à l’aide des équations de Maxwell formulées en potentiel scalaire magnétique dans une base conique. Une attention particulière est portée à la convergence des équations dans les bases cylindriques définissant les machines radiales et axiales. Les résultats sont comparés aux simulations FEM et l’évaluation des performances confirme l’intérêt souligné par le modèle préliminaire.Des règles de dimensionnement adaptées au concept des machines coniques sont ensuite élaborées. La séparation en deux machines suivant deux dimensions est nécessaire pour considérer les effets magnétiques locaux. Ce dimensionnement repose sur un ensemble de méthodes itératives permettant alors, à partir des spécifications d’un cahier des charges, d’aboutir à un dimensionnement complet. Ces méthodes incluent notamment un algorithme de choix optimal de bobinage. Une évaluation des performances selon plusieurs critères est réalisée (encombrement, poids, ondulation de couple, pertes, coût financier et écologique).Afin d’éprouver la méthode de dimensionnement et souligner l’intérêt d’une formulation unifiée des machines synchrones, trois cahiers des charges différents sont traités. Cela permet finalement de mettre en évidence les intervalles d’intérêts des différentes topologies de machines. Elles peuvent alors être comparées de manière équitable grâce au modèle unifié et à un processus de dimensionnement commun.The constant desire to increase power density and energy efficiency in many industrial sectors, particularly mobility, has led to the development of two main machine topologies: radial flux machines and axial flux machines, each with their own distinct advantages. However, constant progress in additive manufacturing processes is now leading to a revision of concepts and new possibilities, such as conical flux machines.A geometric model specific to this concept is developed. Based on an angle of inclination of the air gap, it can be used to continuously define the usual topologies (radial and axial). An initial level of electromagnetic modelling based on Ampère's theorem and a certain number of simplifying assumptions is used to assess the advantages of this conical solution. The model is compared with finite element simulations for validation over a parametric study range, including radial and axial machines. Performance in terms of torque and torque density is assessed, confirming the theoretical interest of conical machines.Once this interest has been highlighted, more precise analytical modelling is undertaken in order to evaluate the magnetic components required to dimension the geometric parameters. The distribution of sources is taken into account to solve the air-gap magnetic induction field using Maxwell's equations formulated as a magnetic scalar potential in a conical base. Particular attention is paid to the convergence of the equations in the cylindrical bases defining the radial and axial machines. The results are compared with FEM simulations, and the performance evaluation confirms the interest highlighted by the preliminary model.Sizing rules adapted to the concept of conical machines are then developed. The separation into two machines along two dimensions is necessary to consider local magnetic effects. This sizing is based on a set of iterative methods which, starting from the specifications of a specification, lead to a complete sizing. These methods include an algorithm for optimal winding selection. Performance is assessed according to several criteria (size, weight, torque ripple, losses, financial and environmental cost).In order to test the sizing method and highlight the interest of a unified formulation for synchronous machines, three different specifications are treated. This finally highlights the intervals of interest of the different machine topologies. They can then be compared fairly thanks to the unified model and a common sizing process
Characterization of the tumor microenvironment in classical Hodgkin lymphoma : identification of tumor subgroups with therapeutic implications
No full textLe lymphome de Hodgkin classique (cHL) est une forme unique d'hémopathie lymphoïde, caractérisée par de cellules tumorales dites de Reed-Sternberg (RS), dispersées dans un microenvironnement polymorphe et abondant. Les cellules de RS présentent une répression du programme des cellules B et une production défectueuse d'immunoglobulines. Les individus plus jeunes sont affectés aussi que les sujets âgés, ce qui induit un profil particulier d'incidence bimodale. Le virus d'Epstein-Barr (EBV) est à la fois un facteur de risque et un puissant moteur de la lymphomagenèse dans un sous-ensemble de cas. L'instabilité chromosomique et l'influence des processus mutationnels sont nécessaires à la transformation maligne des précurseurs des cellules RS en affectant les gènes impliqués dans des voies de signalisation clé, qui favorisent la survie et la prolifération des ainsi que leur échappement cellules RS à la destruction immunitaire. Le microenvironnement tumoral (TME) entourant les cellules RS n'est pas néoplasique mais est reconnu comme un facteur important dans la biologie et la progression du cHL, ainsi que dans le pronostic et la réponse au traitement. Ce TME est largement constitué de lymphocytes T, de polynucléaires éosinophiles, d'histiocytes/macrophages et de plasmocytes. Cliniquement, la plupart des patients se présentent avec une lymphadénopathie impliquant fréquemment les régions cervicale, sus-claviculaire et axillaire ainsi la région médiastinale. L'analyse histologique d'une biopsie à l'aguille ou chirurgicale permet de poser le diagnostic. Le traitement du cHL a évolué au cours des dernières décennies grâce aux avancées thérapeutiques et à une meilleure compréhension de la biologie de la maladie. L'approche thérapeutique de première ligne repose sur une combinaison de chimiothérapie et de radiothérapie. Cependant, environ 20% des patients ne répondent pas à ces traitements ou rechutent précocement, et nécessitent une chimiothérapie de deuxième ligne, plus agressifs avec un pronostic moins favorable. Dans ce contexte, une meilleure compréhension des interactions entre les cellules tumorales de RS et leur TME a conduit au développement de stratégies d'immunothérapie qui offrent des perspectives prometteuses chez les patients réfractaires. Les inhibiteurs de PD-1 sont des traitements qui bloquent les mécanismes d'évasion immunitaire utilisés par les cellules RS. En inhibant la voie PD-1/PD-L1, les anticorps monoclonaux anti-PD-1 permettent aux cellules T du patient de mieux reconnaître et attaquer les cellules tumorales. D'autres stratégies incluent des monoclonaux ciblant des molécules spécifiques du TME ou des thérapies géniques pour modifier l'activité des cellules immunitaires. Dans ce contexte, le projet d'étude de cette thèse est une analyse des interactions entre la cellule tumorale et son TME chez des patients porteurs de cHL dans deux cohortes correspondant à des situations différentes, respectivement patients réfractaires ou en rechute traités par immunothérapie (#Cohorte ATU-NIVO N=15) et sujets âgés (#Cohorte PVAB N=69). Le TME a été caractérisé sur les plans quantitatif et qualitatif, de même que son organisation spatiale grâce à des techniques innovantes in situ telles que l'immunohistochimie multiplex 7 couleurs (AKOYA Biosciences®) et le Digital Spatial Profiling protéique (DSP Geomx) sur des coupes en paraffine de biopsies diagnostiques. Une meilleure compréhension de ces interactions pourrait permettre une optimisation de la médecine personnalisée avec pour objectif ultime de guérir le cHL en ciblant les 20% de formes réfractaires ainsi que d'améliorer la stratégie décisionnelle pour les sujet âgés.Classical Hodgkin lymphoma (cHL) is a unique form of lymphoid hematopathy, characterized by tumor cells known as Reed-Sternberg (RS) cells, scattered in a polymorphic and abundant microenvironment. RS cells exhibit a repression of the B cell program and defective immunoglobulin production. Both younger individuals and elderly subjects are affected, leading to a distinct bimodal incidence profile. The Epstein-Barr virus (EBV) is both a risk factor and a potent driver of lymphomagenesis in a subset of cases. Chromosomal instability and the influence of mutational processes are necessary for the malignant transformation of RS cell precursors by affecting genes involved in key signaling pathways, promoting survival and proliferation, as well as enabling RS cells to escape immune destruction. The tumor microenvironment (TME) surrounding the RS cells is not neoplastic but is recognized as an important factor in the biology and progression of cHL, as well as in prognosis and treatment response. This TME is primarily composed of T lymphocytes, eosinophils, histiocytes/macrophages, and plasma cells. Clinically, most patients present with lymphadenopathy, frequently involving the cervical, supraclavicular, and axillary regions, as well as the mediastinal region. Histological analysis of a needle or surgical biopsy allows for diagnosis. The treatment of cHL has evolved over recent decades due to therapeutic advances and a better understanding of the disease biology. The first-line therapeutic approach relies on a combination of chemotherapy and radiotherapy. However, approximately 20% of patients do not respond to these treatments or relapse early, requiring more aggressive second-line chemotherapy with a less favorable prognosis. In this context, a better understanding of the interactions between RS tumor cells and their TME has led to the development of immunotherapy strategies, offering promising prospects for refractory patients.PD-1 inhibitors are treatments that block the immune evasion mechanisms used by RS cells. By inhibiting the PD-1/PD-L1 pathway, anti-PD-1 monoclonal antibodies allow the patient's T cells to better recognize and attack tumor cells. Other strategies include monoclonals targeting specific molecules of the TME or gene therapies to modify immune cell activity. In this context, the study project of this thesis is an analysis of the interactions between tumor cells and their TME in cHL patients from two cohorts corresponding to different situations: patients with refractory or relapsed disease treated with immunotherapy (#Cohorte ATU-NIVO N=15) and elderly subjects (#Cohorte PVAB N=69). The TME was characterized both quantitatively and qualitatively, as well as its spatial organization, using innovative in situ techniques such as multiplex 7-color immunohistochemistry (AKOYA Biosciences®) and Digital Spatial Profiling (DSP Geomx) on paraffin-embedded diagnostic biopsy sections. A better understanding of these interactions could lead to an optimization of personalized medicine, with the ultimate goal of curing cHL by targeting the 20% of refractory forms and improving decision-making strategies for elderly patients
Apprentissage profond informé pour la modélisation de la dynamique physique
No full textLa modélisation des systèmes statiques et dynamiques a été révolutionnée par l'apprentissage profond, qui a offert des outils puissants pour la prévision et l'adaptation à des phénomènes physiques complexes. Cependant, les réseaux de neurones traditionnels peinent souvent à se généraliser, en particulier dans des scénarios hors distribution et avec des ensembles de données réduits, ce qui limite leur application dans des contextes réels. Cette thèse aborde ces défis en proposant des méthodes novatrices qui intègrent directement les lois physiques dans les cadres d'apprentissage profond. La première contribution de cette thèse se concentre sur la prévision des séries temporelles en formant des réseaux sur des données synthétiques régies par des dynamiques physiques connues et en transférant ces connaissances aux données du monde réel. En intégrant les équations gouvernantes sous forme de termes de régularisation dans la fonction de perte, le cadre est optimisé pour les petits ensembles de données, assurant des prédictions cohérentes avec les lois physiques. Pour la prévision spatio-temporelle, un paradigme fusionnant les réseaux de neurones graphiques (GNNs) avec les principes des réseaux de neurones informés par la physique (PINNs) est introduit. En intégrant les équations aux dérivées partielles (EDPs) dans la fonction de perte, on améliore les performances des modèles de référence tels que les réseaux de convolution de graphes (GCNs), les réseaux de mémoire à long et court terme (LSTMs) et les unités récurrentes avec portes (GRUs). Dans le contexte des simulations de réservoirs, la thèse présente un cadre physiquement conscient et généralisable qui aborde le problème d'écoulement diphasique dans les milieux poreux en intégrant des dérivées spatio-temporelles discrètes dans le modèle pour capturer les discontinuités, renforçant ainsi la capacité du réseau à appliquer efficacement les dynamiques physiques. Ce modèle est ensuite développé pour combiner les paramètres de contrôle de puits avec une architecture U-Net informée, afin de gérer avec précision les comportements d'écoulement complexes et les discontinuités, offrant une solution robuste pour les conditions dynamiques des réservoirs.Static and dynamical systems modelling has been revolutionized by deep learning, which offered powerful tools for forecasting and adapting to complex physical phenomena. However, traditional neural networks often struggle with generalization, particularly in out-of-distribution scenarios and small data regimes, limiting their application in real-world settings. This thesis addresses these challenges by proposing novel methods that incorporate physical laws directly into deep learning frameworks. The first contribution of this thesis focuses on time series forecasting by training networks on synthetic data governed by known physical dynamics and transferring this knowledge to real-world data. By embedding the governing equations as regularization terms in the loss function, the framework is optimized for small datasets, ensuring physically consistent predictions. For spatio-temporal forecasting, a paradigm that merges Graph Neural Networks (GNNs) with the principles of Physics-Informed Neural Networks (PINNs) is introduced. By integrating Partial Differential Equations (PDEs) into the loss function, the performance of baseline models like Graph Convolutional Networks (GCNs), Long Short-Term Memory networks (LSTMs), and Gated Recurrent Units (GRUs) is improved. In the context of reservoir simulations, the thesis presents a physically aware and generalizable framework that addresses the two-phase flow problem in porous media by incorporating discrete spatio-temporal derivatives into the model to capture discontinuities, enhancing the network's ability to enforce physical dynamics effectively. This model is further developed to combine well control parameters with an informed U-Net architecture to adeptly manage complex flow behaviors and discontinuities, offering a robust solution for dynamic reservoir conditions
Apprentissage automatique et protection de la vie privée : attaques et défenses
No full textL'adoption croissante d'algorithmes d'apprentissage automatique dans des domaines sensibles à la protection de la vie privée a révolutionné l'analyse des données dans de nombreux domaines. Ces algorithmes, notamment les réseaux neuronaux profonds, l'analyse en composantes principales (PCA) et les réseaux neuronaux graphiques (GNN), traitent de grandes quantités de données pour en extraire des informations utiles et précieuses. L'intégration de ces techniques dans des applications critiques traitant des informations sensibles, comme des dossiers médicaux ou des données des réseaux sociaux, a permis des avancées significatives dans l'analyse des données et les capacités de prédiction. Cependant, à mesure que ces modèles de ML deviennent plus répandus, ils exposent involontairement des vulnérabilités qui peuvent compromettre la vie privée des individus par le biais de divers vecteurs d'attaque. Cette thèse aborde les défis critiques en matière de protection de la vie privée posés par les systèmes modernes de ML, en se concentrant particulièrement sur les attaques par inférence d'appartenance (MIA) et les attaques par inférence de lien (LIA). Nous proposons de nouvelles méthodologies d'attaque et des mesures défensives correspondantes qui améliorent notre compréhension des vulnérabilités en matière de protection de la vie privée tout en fournissant des solutions pratiques pour la protection de la vie privée. Nous visons à concevoir ces solutions tout en maintenant un équilibre prudent entre la protection de la vie privée et l'utilité du modèle, en particulier pour les applications de ML du monde réel. Dans notre première contribution, nous présentons une nouvelle attaque MIA contre le PCA, où un adversaire peut déterminer si un échantillon spécifique a été utilisé dans le calcul des composantes principales. Nous démontrons que cette attaque atteint des taux de réussite élevés, en particulier lorsque le nombre d'échantillons utilisés par le PCA est relativement faible. Pour contrer cette vulnérabilité, nous étudions différentes approches de mise en œuvre de mécanismes différentiels de protection de la vie privée (DP) dans le PCA, en analysant leur efficacité en matière de protection contre les MIAs tout en préservant l'utilité des données. Nous fournissons des preuves empiriques complètes montrant les compromis entre les garanties de confidentialité et la performance du modèle. Dans notre deuxième contribution, nous présentons une nouvelle attaque d'inférence de liens (LIA), à savoir l'attaque Node Injection Link Stealing (NILS) contre les GNN, qui démontre comment un adversaire peut exploiter la nature dynamique des GNNs en injectant des nœuds malveillants pour déduire des informations sur les arêtes. Nous évaluons cette attaque en fonction d'une nouvelle notion de confidentialité différentielle dédiée aux structures de graphes et proposons des stratégies de défense dédiées. Enfin, notre troisième contribution se concentre sur le cadre distribué, c'est-à-dire l'apprentissage vertical fédéré des graphes (VFGL), et nous développons une attaque LIA basée sur le gradient qui révèle comment les informations sur le gradient dans le FL peuvent laisser échapper des détails sur la structure des graphes. Comme pour NILS, cette attaque est également évaluée sur différents ensembles de données et architectures de modèles, et des stratégies défensives spécifiques basées sur des mécanismes DP sont proposées.The increasing adoption of machine learning (ML) algorithms in privacy-sensitive domains has revolutionized data analysis across numerous fields. These algorithms, including Deep Neural Networks (DNN) as well as Principal Component Analysis (PCA) and Graph Neural Networks (GNNs), process vast amounts of data to extract valuable insights. The integration of these techniques into critical applications handling sensitive information, from healthcare records to social network data, has led to significant advances in data analysis and prediction capabilities. However, as these ML models become more prevalent, they inadvertently expose vulnerabilities that can compromise individual privacy through various attack vectors. This thesis addresses the critical privacy challenges posed by modern ML systems, focusing particularly on membership inference attacks (MIA) and link inference attacks (LIA). We propose novel attack methodologies and corresponding defensive measures that enhance our understanding of privacy vulnerabilities while providing practical solutions for privacy preservation. We aim to design these solutions while maintaining a careful balance between privacy protection and model utility, specifically for real-world ML applications. In our first contribution, we present a novel MIA against PCA, where an adversary can determine whether a specific data sample was used in computing the principal components. We demonstrate that this attack achieves high success rates, particularly when the number of samples used by PCA is relatively small. To counter this vulnerability, we investigate different approaches to implementing differential privacy mechanisms in PCA, analyzing their effectiveness in protecting against MIAs while preserving data utility. We provide comprehensive empirical evidence showing the trade-offs between privacy guarantees and model performance. In our second contribution, we introduce a new link inference attack, namely, the Node Injection Link Stealing (NILS) attack against GNNs that demonstrates how an adversary can exploit the dynamic nature of GNNs by injecting malicious nodes to infer edge information. We evaluate this attack according to a new differential privacy notion dedicated to graph structures and further propose dedicated defense strategies. Finally, our third contribution focuses on the distributed setting, i.e., Vertical Federated Graph Learning (VFGL) and we develop a gradient-based LIA which reveals how gradient information in FL settings can leak graph structure details. Similarly to NILS, this attack is also evaluated across various datasets and model architectures and dedicated defensive strategies based on differential privacy mechanisms are proposed
Caractérisation de l'Énergie Sombre : mesure précise de l'expansion récente de l'Univers avec le Zwicky Transient Facility
No full textLa découverte observationnelle du Fond Diffus Cosmologique et de l'expansion accélérée de l'Univers à la fin du XXe siècle a conduit à l'établissement du premier modèle de concordance en cosmologie, appelé ΛCDM (Lambda Cold Dark Matter).Ce modèle décrit un Univers principalement composé d'Énergie Noire, responsable de l'accélération cosmique, de Matière Noire, structurant les grandes échelles, et enfin de matière baryonique, essentiellement constituée de matière normale, le tout évoluant dans le cadre de la Relativité Générale. Caractériser la dynamique de l'Énergie Noire, via des contraintes sur son Équation d'État, est l'une des principales missions de la cosmologie observationnelle. Les supernovas de type Ia (SNe Ia) jouent un rôle fondamental dans la caractérisation de l'Énergie Noire en tant que chandelles standards, car il est relativement facile d'en inférer une distance. Cartographier la relation distance-redshift des objets composant l'Univers, via ce que l'on appelle un diagramme de Hubble, permet d'évaluer directement l'histoire de l'expansion. Des études récentes, basées sur les SNe Ia et les Oscillations Acoustiques des Baryons, montrent une légère tension par rapport au modèle canonique ΛCDM. Le projet Lemaitre est né dans ce contexte. Il vise à établir un nouveau diagramme de Hubble à partir des ensembles de données ZTF, SNLS-Y5 et Subaru qui n'ont jamais été utilisés dans de précédentes études cosmologiques. De plus, une nouvelle chaîne d'analyse a été développée, permettant ainsi une analyse véritablement indépendante. Ce lot de données constitue également le plus grand échantillon de SNe Ia jamais analysé. Le Zwicky Transient Facility (ZTF) est un relevé photométrique hébergé à l'observatoire de Palomar. Son échantillon de SNe Ia vise à couvrir la partie basse du redshift, z < 0.1, du diagramme de Hubble de Lemaitre, précisément là où cette sonde est la plus sensible à l'Énergie Noire. Grâce à son spectrographe à champ intégral dédié, ZTF a détecté, typé et suivi un très grand nombre de trensients. Le groupe de travail cosmologie de ZTF a défini l'ensemble de données DR2 comme un échantillon de SNe Ia spectroscopiquement confirmés et méthodiquement sélectionnés, avec environ 3,600 objets. Cet échantillon constitue l'une des pierres angulaires du projet Lemaitre. Cette thèse porte sur le développement d'un pipeline de photométrie permettant d'extraire les courbes de lumière des SNe Ia à partir des données ZTF, via une méthode appelée scene modeling. Cette approche, basée sur une description mathématique de la "scène" autour de la SN qui permet une extraction statistiquement optimale des courbes de lumière. La principale force de cette méthode réside dans sa capacité à calibrer directement le flux de la SN sur celui des étoiles de son champ. Une grande importance a été accordée aux performances du code de calcul. Ainsi, le pipeline est capable de traiter l'ensemble de l'échantillon ZTF DR2, représentant environ 180 To, dans des délais raisonnables (1 à 2 semaines sur la grille de calcul de l'IN2P3), des pixels bruts jusqu'aux courbes de lumière calibrées. Elle a également été utilisée pour extraire les courbes de lumière des étoiles de calibrations. Ce travail a également permis d'identifier un effet inattendu au niveau des CCD, provoquant une non-linéarité photométrique dépendant de la position sur le plan focal et du temps. Cet effet déforme essentiellement la forme des étoiles faibles. Décrire et caractériser cet effet a nécessité le traitement d'une partie significative des données ZTF. Un modèle et une correction provisoire ont ainsi été développés et sont en cours de validation. Enfin, un effort important a été consacré à la caractérisation de l'uniformité de la caméra ZTF à l'aide de starflats.The observational discovery of the Cosmic Microwave Background and the accelerated expansion of the Universe at the end of the 20th century resulted with the establishment of the first concordance model of cosmology, called ΛCDM (Lambda Cold Dark Matter).It describes the Universe principally composed of Dark Energy (DE), Λ, driving the cosmic acceleration, Dark Matter (CDM), structuring the large scale structures and finally baryonic matter, essentially composing normal matter, evolving in the frame of General Relativity. Characterizing the dynamics of DE, through constraints of its Equation of State, is one of the main quest of observational cosmology. Type Ia Supernovae (SNe Ia) play a fundamental role in the characterization of DE as standard candle, as a distance can be inferred relatively easily. Indeed, mapping the distance to redshift relationship of objects composing the Universe, through a so called Hubble diagram, gives a direct assessment of the expansion history. Recent studies, based on SNe Ia and Baryonic Accoustic Oscillations, show a weak tension to the canonical ΛCDM. The Lemaitre project is born in this context. It aims to establish a novel Hubble diagram out of the ZTF, SNLS-Y5 and Subaru SNe Ia datasets, which have never been used in any cosmological studies before. Furthermore, a new analysis pipeline has been developed from the ground up, thus achieving a truly independent analysis from these precedent studies. This dataset also constitutes the biggest SNe Ia sample ever analyzed. The Zwicky Transient Facility (ZTF) is an ongoing high cadence low depth photometry survey of the northern sky, hosted in the Palomar observatory. Its SNe~Ia sample aims to cover the low redshift part, z < 0.1, of the Lemaitre Hubble diagram, precisely where this probe is the most sensible to DE. Thanks to its dedicated Integral Field Spectrograph (IFS), ZTF has detected, typed and followed a very important number of transient events. The ZTF cosmology working group has defined the DR2 dataset as a curated spectroscopically confirmed SNe Ia sample, covering 3 years of ZTF data, with around 3,600 objects. This sample is one of the cornerstones of the Lemaitre project. This thesis is about the development of a photometry pipeline to efficiently extract SNe Ia light curves from the ZTF data, through a method named scene modeling. This approach, based on a mathematical description of the "scene" around the SN (its flux and galaxy background), enables a statistically efficient light curve extraction with a better dispersion compared to traditional approaches. The main strength of this method is its ability to directly calibrate the SN flux on to its field stars. A heavy accent is given on the performance of the computation code. As a result, the pipeline is able to process the whole ZTF DR2 sample, which represents around 180 TB, in tractable times (1 to 2 weeks on the IN2P3 compute grid), from raw pixels to calibrated light curves. It has also been used to extract light curves of calibrator stars. This work also enabled us to identify an unexpected sensor level effect, causing a photometry non-linearity in a focal plane position and time dependent fashion. This effect essentially skews the shape of faint stars. Describing and characterizing this effect necessitated the processing of a significant part of the ZTF data. Thanks to this effort, a tentative model and correction have been developed and is being successfully tested. Finally, a large effort has been given to the characterization of the ZTF camera non-uniformity through the use of starflats. This work, with its focus on performance, scalability and precision, also layers the foundation for the next generation of SNe Ia surveys such as Rubin-LSST, which will see a x10 increase in data size and thus propel the field in the next era of precision cosmology
Self-experimentation aiding system for energy management in residential buildings
No full textCette thèse présente un système numérique pour la gestion de l'énergie dans le secteur résidentiel.L'objectif est d'inclure les habitants dans le processus de gestion de l'énergie afin qu'ils puissent apprendre à adopter un comportement plus sobre en énergie. Nous proposons un outil d'auto-exploration des impacts énergétiques et du confort. Cet outil peut permettre d'associer les mesures des capteurs (les effets) à leurs causes (le comportement humain).Étant donné que les résidences incluent une grande diversité de contextes et que de multiples événements de vie peuvent se produire, même simultanément, il est proposé que les habitants puissent décider des événements de vie qu'ils souhaitent analyser.Nous avons fait l'hypothèse que les habitants se posent des questions sur la consommation d'énergie ou les impacts sur le confort que certaines activités ou certains contextes pourraient avoir. Ils peuvent ainsi réaliser ce que nous appelons ici des expériences. L'outil d'auto-expérimentation proposé peut être configuré par les habitants afin qu'ils mènent leurs expériences.Une enquête a été menée pour connaître le type de questions que les habitants pourraient avoir ainsi que leur intérêt pour l'outil proposé.Deux processus pour associer causes et effets sont proposés : la reconnaissance sans annotations et la reconnaissance basée sur les annotations.La reconnaissance sans annotations peut être effectuée lorsque les informations des capteurs sont suffisantes pour répondre aux questions des habitants. La reconnaissance basée sur les annotations est applicable lorsque certaines informations ne peuvent être récupérées qu'à partir des données des capteurs. En particulier, les informations souvent liées aux intentions et aux préférences des habitants, car elles correspondent à leur expérience psychologique. Deux méthodologies pour accompagner les occupants dans le processus d'annotation sont présentées : l'apprentissage interactif et coopératif (Silva et al., 2022) et le système d'annotations a posteriori.Le processus d'apprentissage interactif est une méthode d'apprentissage supervisé qui définit les moments où des informations sont demandées aux habitants et assure la qualité de la base de données. En même temps, les informations des capteurs (effets) sont associées aux annotations fournies par les habitants (comportement humain). Le processus d'apprentissage coopératif est une méthode d'apprentissage supervisé, qui détecte les incohérences entre les informations enregistrées associées. Il y a une interaction symétrique entre le système et l'habitant pour améliorer les connaissances acquises.Le système d'annotations a posteriori permet aux occupants de fournir leurs annotations plus tard, plutôt que de répondre au moment où les annotations sont demandées. Il est basé sur une méthode de détection de points de changement. Cette méthode identifie les moments de changement dans les mesures des capteurs, ce qui peut indiquer un changement d'activité. L'idée est de montrer les moments où une activité pourrait s'être terminée pour en commencer une nouvelle. Cela devrait servir de référence pour aider les habitants à se souvenir des événements passés afin qu'ils puissent annoter, même a posteriori.À la fin de l'expérience menée par les habitants, ils reçoivent les informations relatives à leur étude. Il est proposé que les habitants sélectionnent les visualisations graphiques et les informations qui les aident à mieux comprendre les résultats.Des annotations ont été récupérées à partir de deux sites différents et le processus d'annotation a été évalué sur la manière dont il aide les habitants à mieux comprendre les impacts de différentes situations dans le contexte résidentiel.Des tests de l'apprentissage interactif et coopératif ont été réalisés en utilisant les annotations récupérées ainsi que les données des capteurs installés sur les sites. Enfin, les conclusions sont présentées.This thesis presents a numerical system for the energy management in the residential sector.The objective is to include the inhabitants in the process of energy management so that they can learn to have more energy sober behaviour. We propose a tool of self-exploration of energy and comfort impacts. This tool can allow to associate sensor measurements (the effects) to its causes (human behaviour). Given that the residences include a wide diversity of contexts and multiple life events may happen, even simultaneously, it is proposed that the inhabitants can decide the life events they wish to analyse.We made the hypothesis that the inhabitants wonder about the energy consumption or comfort impacts that activities or contexts might have. They can, therefore, carry out what we call here as experiments. The self-exploration tool, here proposed can be configured by the inhabitants so that they run their experiments. A survey was carried out to know the kind of questions that the inhabitants might have as well as the interest in the proposed tool. Some prototypes of the interface of the system are presented and analysed.Two processes to associate causes and effects, are provided : annotations-free recognition and annotations-based recognition. Annotations-free recognition can be carried out when the sensors information is enough to answer to the inhabitants question. The annotations based recognition is applicable when certain information cannot be recovered using only sensors data. Specifically, in- formation often linked to intentions and preferences of the inhabitants, as this is what corresponds to their psychological experience.A couple of methodologies to support the occupants in the annotation process are presented : The Interactive and Cooperative Learning (Silva et al., 2022) and the A posteriori annotations system. The interactive learning processes, is an supervised learning method that define the moments in which information is requested to the inhabitants and ensures the quality of the database. At the same time, the sensors information (effects) is associated to the annotations provided by the inhabitants (human behaviour). The cooperative learning process is also a supervised learning method, that spots incoherences between the recorded associated information, the system notifies this to the occupants and asks for a verification. There is a symmetrical interaction between the system and the inhabitant to improve the learned knowledge.The a posteriori annotations system, allows the occupants to provide their annotations later in time, rather than answering when annotations are requested. It is based on a Change Point Detection method. It spots the moments of changes in the sensors measurements , which can indicate a change of activities. The idea is to show the moments in which one activity could have ended to start a new one. This should work as a reference to help the inhabitants remember past life events so that they can annotate, even in a posterior moment.In the end of the experiment carried out by the inhabitants they receive the information related to their study. It is proposed that the inhabitants select the graphical visualizations and the infor- mation that help them to better understand the results.Annotations were recovered from two different sites and the annotation process was evaluated on how it helps inhabitants to better understand the impacts of different situations in the residential context. Some tests of the Interactive and Cooperative Learning were carried out using the annotations recovered as well as the data from the installed sensors in the sites. Finally, conclusions are presented
Approche par plasma pulsé pour l'allumage faible ou fort d'une onde de détonation à l'aide d'un gradient d'espèces atomiques
No full textCette thèse présente une étude menée sur l'allumage d'une onde de détonation avec un plasma hors-équilibre. Cette forme de combustion assistée par plasma a récemment suscité un intérêt accru avec le développement de nouvelles formes de propulsion basées sur la détonation et leur mise en œuvre dans des structures de vol réelles. Un élément clé de ces dispositifs de propulsion est l'exigence d'un allumage fiable et efficace d'une onde de détonation. Généralement, une onde de détonation est formée soit en déposant une grande quantité d'énergie (de l'ordre de Joules) dans un mélange combustible pour former directement une détonation, soit en allumant une flamme avec une faible source d'énergie qui accélère avant de transiter vers une détonation (connue sous le nom de transition déflagration à détonation, ou TDD). Ces travaux suggèrent l'utilisation d'un décharge nanoseconde afin de promouvoir TDD. À cette fin, la thèse est divisée en deux parties.La première porte sur le développement d'un nouvel ensemble d'électrodes pour obtenir un gradient d'espèces atomiques. Un plasma pulsé nanoseconde (30 ns FWHM) dans la gamme de -6 à -22,5 kV est utilisé dans cette étude. Après avoir testé un vaste ensemble de géométries possibles, une configuration plan-plan avec une distance inter-électrode variable (28 à 50 mm sur une longueur de 80 mm) a été mise au point et caractérisée à l'aide d'une variété de diagnostics. La formation d'un gradient d'oxygène atomique le long de la cellule de décharge dans l'air à des pressions multiples dans la gamme de 100 à 150 mbar est démontrée par la fluorescence induite par two-photon absorbed laser-induced fluorescence (TALIF). Le champ électrique réduit longitudinal est mesuré par de multiples techniques telles que la spectroscopie d'émission optique, un détecteur à sonde capacitive et electric-field induced second-harmonic generation (E-FISH). Ces mesures donnent des informations sur la gamme des valeurs absolues du champ dans le plasma (100 à 200 Td) et sur les premiers stades de développement de la décharge.La décharge est ensuite testée dans plusieurs mélanges combustibles (2 H2 + O2, C2H2 + 2,5 O2, C2H4 + 4 O2) pour une large gamme de pression (100 à 200 mbar) et d'énergie déposée (50 à 600 mJ). La longueur du DDT est enregistrée. De l’imagerie Schlieren est réalisée et montre la formation d'une onde de détonation faible ou forte. Cette étude permet donc de mieux comprendre les mécanismes par lesquels le plasma peut faciliter l'allumage d'une détonation.This thesis presents a study conducted on the ignition of a detonation wave with non-equilibrium plasma. This form of plasma-assisted combustion has been of recent increased interest with the developments of new forms of detonation-based propulsion and their implementation into real flight structures. A key component of these propulsive devices is the requirement for reliable, efficient, “at will” ignition of a detonation wave. Typically, a detonation wave is formed either by depositing a large amount of energy (of the order of Joules) in a combustible mixture to directly form a detonation, or by igniting a flame with a weak energy source which accelerates before transitioning to a detonation (known as deflagration to detonation transition, or DDT). This work suggests the use of nanosecond plasma to produce a gradient of active species as a means of promoting the DDT process. For this purpose, the thesis is split into two parts.The initial focus is on the development of a new set of electrodes to achieve a gradient of atomic species. Nanosecond pulsed plasma (30 ns FWHM) in the range of -6 to -22.5 kV are used in this study. After an extensive set of possible geometries is tested, a plane-to-plane configuration with a varying gap size (28 to 50 mm over an 80 mm span) is developed and characterised using a variety of diagnostics. The formation of a gradient of atomic oxygen along the span in air at multiple pressures in the range of 100 to 150 mbar is shown by two-photon absorption laser-induced fluorescence (TALIF). The longitudinal reduced electric field is measured through multiple techniques such as optical emission spectroscopy, capacitive probe detector and electric-field induced second-harmonic generation (E-FISH). These give information on both the range of absolute values of field in the plasma (100 to 200 Td) and the early development of the discharge.The discharge is then tested in multiple combustible mixtures (2 H¬2 + O2, C2H2 + 2.5 O2, C2H4 + 4 O2) for a wide range of pressure (100 to 200 mbar) and deposited energy (50 to 600 mJ). The DDT length is recorded. Schlieren imaging is performed and shows the formation of both mild and strong ignition of a detonation wave. This study therefore participates in a deeper understanding of the mechanisms through which plasma can facilitate ignition of a detonation
Negation and Pre-trained Language Models
No full textLes dernières avancées en Traitement Automatique des Langues (TAL) ont introduit des modèles de langue pré-entraînés (PLMs) qui se sont révélés extrêmement efficaces.Pourtant, ces modèles qui reposent sur des réseaux de neurones artificiels n’intègrent pas d'unités de sens intermédiaires et donc de compositionnalité explicite. Nous nous interrogeons sur la capacité de tels modèles à interpréter la négation, phénomène compositionnel par excellence.Cette thèse a pour but d'étudier les connaissances de la négation acquises par les PLMs, la forme que prend son encodage et de proposer des méthodes permettant d'améliorer leur traitement de la négation. Nous vérifions pour commencer que les modèles ont une connaissance de la portée de la négation, et que son encodage est mobilisable pour capter des phénomènes qui sont des conséquences directes de la présence de négation.Puis, nous testons la capacité des modèles à prendre en compte la négation via des tests comportementaux (génération ou prédiction de token). La négation n'est pas totalement ignorée, mais sa prise en compte est très limitée pour les modèles de petite taille. Une analyse supplémentaire montre en revanche que les LLMs prennent bien mieux en compte la négation.Nous mettons ensuite la connaissance de la négation des PLMs en relation avec leurs corpus d'apprentissage, et montrons que la distribution des polarités des contextes d'apparition d'un verbe a une influence sur son encodage et sa prédiction par les modèles bidirectionnels.Nous essayons ensuite d'améliorer la prise en compte de la négation par les PLMs dans leurs prédictions, mais nos tentatives d’amélioration des PLMs par affinage et par intervention directe sur les embeddings échouent.Finalement, nous apprenons à des MLPs à simuler l'encodage de la polarité dans un embedding contextuel, ce qui nous permet de montrer l'existence d'une régularité de l'encodage des PLMs compatible avec l'intégration d'un opérateur compositionnel. Nous réussissons en outre à améliorer les prédictions des modèles en modifiant les représentations avec ces MLPs.The latest advances in Natural Language Processing (NLP) have introduced pre-trained language models (PLMs) that have proven to be extremely effective.However, these models, which rely on artificial neural networks, do not incorporate intermediate semantic units and therefore lack explicit compositionality. We question the ability of such models to interpret negation, highly compositional phenomenon.The aim of this thesis is to study the knowledge of negation acquired by PLMs, the form its encoding takes, and to propose methods to improve their handling of negation.We first verify that the models have an understanding of the scope of negation and that its encoding can be mobilized to capture phenomena that are direct consequences of the presence of negation.Next, we test the models' ability to account for negation through behavioral tests (token generation or prediction). While negation is not entirely ignored, its consideration is very limited in smaller models. However, additional analysis shows that large language models (LLMs) handle negation much better.We then relate the knowledge of negation in PLMs to their training corpora and demonstrate that the distribution of context polarities in which a verb appears influences its encoding and prediction by bidirectional models.We subsequently attempt to improve PLMs’ consideration of negation in their predictions, but our efforts to refine PLMs or directly intervene in embeddings prove unsuccessful.Finally, we train MLPs (multi-layer perceptrons) to simulate the encoding of polarity in a contextual embedding, allowing us to demonstrate the existence of a regularity in the encoding of PLMs that is compatible with the integration of a compositional operator. Moreover, we succeed in improving the models' predictions by modifying the representations using these MLPs
Processus de polarisation dans les décharges d’hélium à divers champs magnétiques
No full textCe travail consiste en des études expérimentales de méthodes permettant d’obtenir une forte orientation du spin nucléaire de l’³He (aussi appelée hyperpolarisation) dans des décharges d’hélium gazeux, qui mettent l’accent sur la relaxation induite par le pompage optique (PO) lors du PO par échange de métastabilité (MEOP) à faible champ magnétique (~ 1mT) d’une part, et sur la polarimétrie optique par absorption pour la détection de l’orientation induite par polarisation des atomes dans un plasma aimanté, PAMP, en champ modéré (en dessous de 0.1T) d’autre part. La première étude est motivée par un modèle récent de pertes dans le MEOP impliquant des collisions d’échange d’excitation entre les atomes dans l’état fondamental et dans l’état excité 2³P. Elle vise à vérifier que la relaxation induite par le PO (uniquement mise en évidence dans l’³He pur jusqu’à présent) peut également être observée dans les mélanges isotopiques. Grâce au pompage optique et à la détection optique de la polarisation nucléaire opérant tous les deux sur la transition 2³S − 2³P à 1083nm, la dynamique de construction de la polarisation nucléaire a été mesurée dans des échantillons gazeux d’³He et de mélanges ³He-⁴He. Les résultats sont quantitativement conformes aux attentes, confirmant le mécanisme de relaxation proposé. Ils expliquent également le fait, précédemment observé, que la polarisation maximale obtenue en régime stationnaire par MEOP dans les mélanges gazeux isotopiques ne dépend que de la pression partielle en ³He. La seconde étude est motivée par la découverte et les premières études de la technique d’hyperpolarisation « sans PO » PAMP impliquant des mesures par résonance magnétique nucléaire à haut champ (plusieurs T) de la polarisation induite par la décharge. Elle tire parti du fait que la détection optique de la polarisation nucléaire de l’³He à 1083nm permet d’accéder directement aux densités d’atomes dans différents sous-niveaux magnétiques de l’état 2³S. Ce dernier point est potentiellement crucial pour l’évaluation du mécanisme proposé pour PAMP, qui implique l’excitation 2³S−2³P par les électrons libres de la décharge et la conversion d’alignement en orientation, un processus qui devrait être particulièrement efficace en dessous de 1T. Grâce à une caractérisation minutieuse du dispositif expérimental, l’absence de polarisation importante induite par PAMP jusqu’à 0.1T jusqu’à présent impose des contraintes sur les recherches ultérieures ainsi que sur les tentatives de description ou de modélisation du processus PAMP.This work consists of experimental investigations of techniques yielding strong ³He nuclear spin orientation, or hyperpolarisation, in helium gas discharges with emphasis on optical pumping (OP)-induced relaxation in metastability-exchange OP, MEOP, at low magnetic field (∼ 1mT) and on absorption-based optical polarimetry for detection of spin orientation induced by Polarisation of Atoms in a Magnetised Plasma, PAMP, at moderate field (below 0.1T). The former investigation, motivated by a recent model for losses in MEOP involving excitation-exchange collisions between ground state and 2³P state atoms, aims at checking that OP-induced relaxation (only reported in pure ³He gas so far) can be observed in isotopic He gas mixtures as well. With optical pumping and optical detection of nuclear polarisation both addressing the 2³S−2³P transition at 1083nm, the build-up dynamics of nuclear polarisation have been measured in ³He and in ³He-⁴He gas samples. The results are quantitatively in line with expectations, confirming the proposed relaxation mechanism. They also explain the previously observed fact that the maximum steady-state polarisation achieved by MEOP in isotopic gas mixtures only depends on the ³He partial pressure. The latter investigation, motivated by the discovery and initial studies of the OP-free hyperpolarisation technique PAMP involving high-field (several T) nuclear magnetic resonance measurements of discharge-induced polarisation, capitalises on the fact that optical detection of ³He nuclear polarisation at 1083nm provides direct access to atom number densities in various 2³S magnetic sublevels. This piece of information is potentially crucial for assessment of the proposed PAMP mechanism that involves 2³S − 2³P excitation by the free electrons and alignment-to-orientation conversion, a process expected to be notably efficient below 1T. With careful characterisation of the experimental setup, the absence of sizeable PAMP-induced polarisation up to 0.1T so far sets constraints on further investigations as well as on attempts to describe or model the PAMP process