Theses.fr
Not a member yet
182636 research outputs found
Sort by
Au-delà du dessin statique : augmenter le vocabulaire visuel des designers en enseignement et présentation
No full textLe dessin est un outil crucial pour la réflexion et la résolution de problème pour les designers et architectes, mais aussi un outil de communication efficace. Dans ce cadre, il peut être complémenté par divers stimuli visuels (comme des images de références ou des modèles 3D ou physiques) et par d'autres modalités telles que la parole ou les gestes.Cela est le cas pour les instructeurs en dessin: en classe ou à travers des videos, ils dessinent en expliquant les principes, méthodes et techniques qui régissent leur activité.Au cours de leur carrière, les designers ont aussi recours à leur capacité à dessiner (et à s'exprimer visuellement par d'autres moyens) afin de communiquer leurs idées à leurs collègues et clients. Ils passent de représentations plutôt basées sur le dessin qui permet d'itérer et de réinterpréter leurs concepts, à des représentations plus raffinées, préparées pour des audiences qui ne seraient pas à l'aise avec l'interprétation de dessins de design ou que les designers chercheraient à impressionner.Cette thèse s'articule autour de ces deux contextes pour étudier les pratiques de communication par le dessin des designers, et ce sous deux perspectives différentes: (1) comment rendre les tutoriels videos expliquant le dessin en perspective plus simple à suivre grâce à des interactions? (2) comment de nouveaux systèmes interactives pourraient aider les designers dans leur travail de présentation ? Dans ces deux cas, nous identifions et structurons le vocabulaire visuel utilisé par les designers et explorons comment des outils interactifs peuvent augmenter leurs dessins pour rendre leur communication plus efficace.En collaboration avec des professeurs en design industriel, cette thèse prend en compte les styles de dessin spécifiquement enseignés dans ce domaine, notamment l'importance du dessin en perspective dans celui-ci.Drawing is a crucial reflection and problem-solving tool for designers, but also an effective communication tool. When used for communication, drawing can be complemented by other visual stimuli (like reference pictures, 3D or physical models) or modalities such as speech and gesture. This is specifically the case for drawing instructors: in class or through videos, they sketch while explaining the principles, methods and techniques involved.In their career, designers rely also on their sketching (and other visual expression skills) to communicate their ideas with their colleagues and clients. They move from mostly sketch-based representations allowing quick iterations and reinterpretation to more refined representations crafted for audiences who may not be familiar with reading design sketches or for clients who need to be convinced by the concept.This thesis uses these two contexts to study designers' practice of communication sketching through two lenses: (1) how can a sketching video tutorial be made easier to practice along for students through interaction? (2) how can new interactive systems support designers in their presentation process?In both cases, we identify and structure the visual vocabulary used by design experts and explore interactive tools that enhance their sketches, making communication more effective.Through a collaboration with industrial design teachers, this thesis addresses drawing instruction styles specific to this domain, particularly those centered on perspective sketching
Correction de modèles dynamiques à partir d’observations limitées par assimilation de données et apprentissage automatique : application à la modélisation instationnaire de la turbulence
No full textLa modélisation de la turbulence par les approches RANS et URANS en particulier permet l'estimation numérique d'écoulements à des coûts modérés, mais souffre de défauts importants pour la prédiction de certains phénomènes complexes comme le décollement et le décrochage. Ces dernières années, l'apprentissage automatique est de plus en plus employé pour l'identification de corrections de modèles de turbulence. Bien qu'une telle approche soit prometteuse, la mise en œuvre de l'apprentissage automatique peut être limitée par la quantité et le caractère éparse des données disponibles, en particulier dans le cas d'écoulements à haut Reynolds comme considérés en aérodynamique. Dans ce contexte, cette thèse aborde le défi de l'apprentissage de corrections de modèles de turbulence à partir d'observations limitées et possiblement bruitées. Afin d'accomplir une telle tâche, une méthodologie mêlant assimilation de données (DA),apprentissage automatique (ML) et l'algorithme d'Expectation-Maximization dans un formalisme Bayésien est décrite et évaluée. Dans cette approche, il est justifié d'alterner entre des phases d'assimilation de données pour inférer des écoulements complets à partir des données limitées disponibles, ici grâce à un filtre de Kalman d'ensemble, et des phases d'apprentissage employant ces états complets pour mettre à jour la correction de modèle considérée. Deux variantes de cette méthodologie sont développées, prenant en compte ou non des erreurs de modélisation résiduelles. La méthodologie est d'abord appliquée à l'équation unidimensionnelle de Ginzburg-Landau. La variante de la méthodologie avec prise en compte d'erreurs de modélisation résiduelles montre une robustesse accrue lorsque les observations sont moins fréquentes en temps, tandis que les deux stratégies montrent une relative insensibilité à la densité des observations en espace. Ces résultats valident l'efficacité du cycle DA-ML proposé et soulignent l'importance du traitement de l'erreur du modèle lors de la reconstruction de l'état. L'approche développée est ensuite appliquée à l'écoulement turbulent autour d'un cylindre circulaire à Re = 3900 simulé numériquement par l'approche URANS. Des mesures de vitesse ponctuelles sont utilisées pour entraîner des termes correctifs dans les équations de conservation de la quantité de mouvement et du modèle de turbulence, permettant d'améliorer significativement la qualité des résultats prédits, y compris pour d'autres valeurs du nombre de Reynolds que celle considérée pour l'apprentissage. La robustesse des corrections de modèles obtenues par rapport à la densité de mesures disponible est également étudiée. Dans l'ensemble, cette thèse développe une méthodologie combinant de manière optimale assimilation de données et apprentissage d'automatique pour l'identification de corrections de modèles à partir d'observations limitées, ouvrant de nouvelles voies pour l'intégration des observations expérimentales dans les stratégies de modélisation de turbulence. La robustesse démontrée face à la rareté des observations, combinée au caractère non-intrusif de l'approche développée, marque une avancée significative vers le déploiement de modèles dynamiques améliorés par ML dans les applications CFD pratiques.Turbulence modeling is an essential tool to make the numerical prediction of industrial flows affordable. However, it may suffer from deficiencies in capturing complex flow phenomena, such as separation and stall. In recent years, the use of Machine Learning to identify corrections to turbulence models has been increasingly investigated. Despite of significant progress in this research field, the sparse character of data as available for aerodynamic applications may still hinder the application of Machine Learning techniques. In this context, this PhD thesis investigates the possibilities in learning corrections to turbulence models from limited and possibly noisy data. To this end, a methodology that merges Data Assimilation, Machine Learning and the Expectation-Maximiazation Algorithm in a Bayesian formulation is exposed and assessed here. In this framework, it may be justified to alternate between Data Assimilation stages, where full flow descriptions are inferred from the limited observations, which is here achieved through ensemble Kalman Filter techniques, and Machine Learning stages, where these full states are employed to update the considered model correction. Two versions of this methodology are elaborated that account or not for residual modeling errors. The described methodology is first applied to an one-dimensional Ginzburg-Landau model. Numerical experiments indicate that taking into account residual modeling errors may favor the quality of the inferred model and its robustness with respect to the time period of the observations, while both versions of the methodology exhibit low sensitivity with respect to the spatial density of the observations. These results confirm the efficacy of the developed methodologies and highlight the benefit of accounting for modeling uncertainties in the Data Assimilation phases. The present approach is then applied to the URANS modeling of the turbulent flow past a circular cylinder at Re=3900. Pointwise observations of the velocity field are considered to learn corrective terms in the momentum equations and in the transport equation that is associated to the employed turbulence model. The application of the present methodology successfully improves the quality of the URANS results compared to the baseline model. This enhancement is shown to persist at other values of the Reynolds number for which data have been extracted. The robustness of these findings with respect to the spatial density of the data is also investigated. Overall, a promising strategy that optimally combines the strengths of Data Driven and Machine Learning techniques to infer model corrections from limited observations is presented and successfully applied to unsteady turbulence modeling in particular. The robustness of the discussed methodology with respect to the observation sparsity along with its non-intrusive character should favor its application to more complex and industrial flow configurations
Joint Optimization of the Waveform and RF-DC Conversion Circuit for Wireless Power Transfer
No full textDans le contexte de transfert/récupération d’énergie sans fils, ce travail propose une approche innovante sur la conception de circuits redresseurs RF associés aux formes d’ondes optimisées en puissance. Alors que l’analyse des limitations d’un circuit redresseur RF a permis de soulever, notamment en l'absence d’éléments redresseurs commerciaux adaptés aux faibles puissances, la problématique quant à la maximisation de l'efficacité de conversion RF-dc à faible puissance, l’usage de signaux à fort PAPR tels que l'OFDM, les signaux chaotiques, multitons et RF impulsionnels ont pu établir une amélioration de l'efficacité de conversion RF-dc du redresseur comparé à un signal en CW. Ainsi, les caractéristiques de signaux multitons et RF impulsionnels sont explorés dans un 1er temps et trois outils numériques basés sur ADS sont identifiés et discutés, ceci afin de tenir compte de la forme d’onde lors de la synthèse de circuits RF non-linéaires. Par la suite, un redresseur large bande est caractérisé en régimes CW et impulsionnel. Les réponses simulées et mesurées en fréquence et en puissance sont comparées afin de mettre en évidence l'amélioration de l'efficacité de conversion, ainsi que les limitations liées au PAPR. Les résultats montrent qu'en fonction du niveau de puissance d'entrée, l'efficacité de conversion peut être améliorée en appliquant un signal RF impulsionnel avec un rapport cyclique dit « optimal ». À l’aide du processus de caractérisation automatisé, des cartographies sont extraites et permettent en fonction de la fréquence, du niveau de puissance d'entrée et de la charge de sortie, de localiser le rapport cyclique optimal. Par conséquent, le bilan de puissance du redresseur est évalué en fonction du rapport cyclique et montre que les pertes dues à la désadaptation sont minimales tandis que la tension de sortie est maximale. Cette tendance est validée par la mesure du S11 en régime impulsionnel via l’introduction d’un banc de mesure adapté. Des investigations supplémentaires sont menées sur le redresseur en appliquant différentes fenêtres de modulation afin d'évaluer le rôle que pourrait jouer l’enveloppe du signal pour atteindre l’efficacité optimale et tenter par la même occasion de répondre à la question de savoir si l’efficacité optimale est régie par la présence d’une forme d’onde optimale ou d’un PAPR optimal. Enfin, un nouveau processus d'optimisation pour les redresseurs est présenté afin de tenir compte du PAPR optimal comme dimension supplémentaire et de manière conjointe lors de la phase de conception du redresseur. Les tendances analytiques étant extraites en régimes CW et impulsionnel, cette étude est suivie d’une présentation des règles de conceptions du redresseur lorsqu’optimisé en impulsionnel à l’aide de l’outil numérique introduit au préalable. Quatre prototypes sont alors fabriqués, incluant différents modèles de diodes et optimisés sous régimes CW et impulsionnel. Une efficacité maximale mesurée de 53 % à -20 dBm et 70 % à -10 dBm est mesurée. Après avoir discuté les performances des redresseurs conçus, les bilans de puissance de ces derniers sont évalués afin d’expliquer l’apport de l’optimisation conjointe. Par la suite, divers convertisseurs DC-DC et un démonstrateur sont employés pour les différents prototypes afin de mettre en évidence l’apport d’une structure optimisée en régime impulsionnel dans le contexte du transfert d’énergie sans fil à faible niveau de puissanceIn wireless power transfer/energy harvesting context, this thesis aims to present an innovative approach to the design of RF rectifier circuits coupled with power-optimized waveforms. The analysis of RF rectifier limitations, particularly in the absence of commercially available rectifying components suitable for low-power conditions, has raised the issue of maximizing RF-to-DC conversion efficiency at low power levels. The use of high PAPR signals, such as OFDM, chaotic signals, multitone, and pulsed RF signals, has demonstrated an enhancement in the RF-to-DC conversion efficiency of the rectifier compared to CW signals. In this framework, the characteristics of multitone and pulsed RF signals are initially investigated, and three numerical tools based on ADS are identified and discussed, aiming to handle the waveform during the synthesis of nonlinear RF circuits process.Following this, a broadband rectifier is characterized under both CW and pulsed regimes. Simulated and measured responses in terms of frequency and power are compared to highlight the improvement in conversion efficiency, as well as the limitations associated with PAPR. The results indicate that, depending on the input power level, conversion efficiency can be enhanced by applying a pulsed RF signal with an “optimal” duty cycle. Through the automated characterization process, maps are generated to identify the optimal duty cycle as a function of frequency, input power level, and output load. Consequently, the power budget of the rectifier is evaluated based on the duty cycle, showing that losses due to impedance mismatch are minimal while output voltage is maximized. This trend is validated by measuring the S11 parameter under pulsed conditions using a suitable measurement setup. Further investigations are conducted on the rectifier by applying different modulation windows to assess the role of the signal envelope in achieving optimal efficiency, and to explore whether optimal efficiency is governed by the presence of an optimal waveform or an optimal PAPR. Finally, a new optimization process for rectifiers is presented, incorporating the PAPR as an additional dimension during the rectifier design phase. Analytical trends are extracted for both CW and pulsed regimes, followed by a presentation of rectifier design rules when optimized for pulsed operation using the previously introduced numerical tool. Four prototypes are fabricated, incorporating various diode models and optimized under both CW and pulsed regimes. A measured maximum efficiency of 53% at -20 dBm and 70% at -10 dBm is achieved. After discussing the performance of the designed rectifiers, their power balances are evaluated to explain the contribution of the joint optimization. Subsequently, various DC-DC converters and a demonstrator are used for the different prototypes to highlight the benefit of using the joint optimized process in the context of low-power wireless energy transfe
Towards a data acquisition strategy for a reliable assessment of the effectiveness of ecosystem management/restoration actions
No full textLa mise en œuvre d’actions de restauration écologique apparaît comme un levier pour atténuer le phénomène sans précédent d’érosion de la biodiversité. L'efficacité de ces actions, qu’elles soient menées dans le cadre d'initiatives volontaires ou issues d'exigences réglementaires, doit être évaluée sur la base des données écologiques récoltées lors de leur suivi. Pourtant, les retours d'expérience basés sur ces données font état des difficultés à les interpréter. Nous supposons qu’une part substantielle des données produites dans le cadre de suivis d’actions de restauration de la biodiversité ne réunit pas les conditions nécessaires à la construction d’inférences robustes, fragilisant les conclusions relatives à l’efficacité des actions menées. Plus précisément nous faisons l’hypothèse 1/ que les suivis ciblent principalement la présence ou l’absence de certains groupes taxonomiques et peu la structure des habitats et les processus écologiques ; 2/que ces suivis font parfois l’objet de changements de protocoles et de leurs conditions d’application, fragilisant l’analyse des données ; 3/ que les standards de bancarisation actuels utilisés pour les suivis d’actions de restauration écologique ne permettent pas d’identifier d’éventuels biais lors de l’acquisition des données.Pour vérifier nos hypothèses, nous avons, en premier lieu, analysé 31 suivis d'actions de restauration initiées par EDF entre 2008 et 2022 sur différents sites en France afin 1/d’identifier les cibles retenues pour les suivis et 2/les éventuels changements de protocoles, de méthodes, de techniques et de leurs conditions d’application d’une session de suivi sur l’autre. Nous montrons que les suivis ciblent essentiellement les abondances de certains groupes taxonomiques, plutôt que la structure ou la fonctionnalité des habitats des espèces visées. Les changements de protocoles, de méthodes et techniques au cours des suivis, bien que mineurs, s’accompagnent de changements des conditions d'application des protocoles dans le temps. L’évolution des connaissances, la publication de protocoles nouveaux ou les différences de pratiques entre organismes réalisant les mesures peuvent expliquer une partie des changements observés.3/Nous avons ensuite recherché et sélectionné, dans la littérature scientifique, les standards internationaux et nationaux majoritairement utilisés pour bancariser les données de suivis, y compris de projets de restauration. Nous avons construit en parallèle, à partir d’une recherche bibliographique, une liste non exhaustive d’informations nécessaires pour décrire le processus d’acquisition des données dans le contexte de projets de restauration écologique. Nous avons ainsi mis en évidence les lacunes de ces standards lorsqu’il s’agissait de bancariser des données issues de suivis écologiques de projets de restauration.Enfin, nous nous nous sommes intéressés aux indicateurs utilisés lors de suivi d’actions de restauration et les protocoles employés pour les renseigner. Nous nous sommes particulièrement intéressés aux indicateurs recommandés par ECOVAL, une méthode de suivi des opérations de restauration réalisées sur des milieux terrestres dans un contexte de compensation écologique. A cette occasion, nous montrons que les indicateurs utiles lors de l’établissement d’un état initial d’un site ne sont pas nécessairement pertinents pour un suivi du site au cours du temps. En outre, certains protocoles classiquement utilisés lors des états initiaux ne sont pas adaptés au suivi. Nous avons donc initié un groupe de travail constitué d’experts afin de rechercher et d’identifier les indicateurs et protocoles adéquats pour réaliser un suivi fiable. A l’issue de la thèse, nous proposons un cadre d’acquisition des données adapté aux opérations de restauration des milieux terrestres comportant une liste d’indicateurs et de protocoles associés ainsi qu’une liste de métadonnées permettant d’obtenir des données de suivis robustes.The implementation of ecological restoration actions appears to be a key lever in mitigating the unprecedented phenomenon of biodiversity loss. The effectiveness of these actions, whether carried out as part of voluntary initiatives or in response to regulatory requirements, must be assessed based on ecological data collected during their monitoring. However, experience feedback based on these data highlights difficulties in their interpretation. We hypothesize that a substantial portion of the data produced in biodiversity restoration monitoring does not meet the necessary conditions for drawing robust inferences, thereby weakening conclusions regarding the effectiveness of the actions undertaken.More specifically, we propose three hypotheses. First, monitoring efforts primarily focus on the presence or absence of certain taxonomic groups, rather than on habitat structure and ecological processes. Second, these monitoring efforts are sometimes subject to changes in protocols and their implementation conditions, which can weaken data analysis. Third, the current data storage standards used for ecological restoration monitoring do not allow for the identification of potential biases in data collection.To test these hypotheses, we first analyzed 31 restoration monitoring programs initiated by EDF between 2008 and 2022 at various sites in France. The goal was to identify the monitoring targets and examine any changes in protocols, methods, techniques, and their implementation conditions from one monitoring session to another. Our results show that monitoring mainly focuses on the abundance of specific taxonomic groups rather than on the structure or functionality of habitats for the target species. While protocol, method, and technique changes were generally minor, they were accompanied by shifts in implementation conditions over time. The evolution of scientific knowledge, the publication of new protocols, and differences in practices among organizations conducting measurements may explain some of the observed changes.We then examined the scientific literature to identify the most commonly used national and international standards for storing monitoring data, including data from restoration projects. In parallel, we conducted a bibliographic review to compile a non-exhaustive list of necessary information for describing the data collection process in the context of ecological restoration projects. This analysis highlighted gaps in these standards when it came to storing data from ecological restoration monitoring efforts.Finally, we explored the indicators used in restoration action monitoring and the protocols employed to document them. We focused in particular on indicators recommended by ECOVAL, a monitoring method for restoration operations conducted in terrestrial environments within an ecological compensation framework. Our findings indicate that indicators used to establish a site's initial state are not necessarily relevant for long-term site monitoring. Furthermore, some protocols commonly used in initial assessments are not well-suited for monitoring purposes. To address these issues, we established a working group of experts to identify appropriate indicators and protocols for reliable monitoring.At the conclusion of this research, we propose a data acquisition framework tailored to terrestrial habitat restoration operations. This framework includes a list of relevant indicators and associated protocols, as well as a set of metadata ensuring the robustness of monitoring data
demystifying machine learning applications in general medicine : an exploration of automated decision support for unscheduled consultations
No full textL'adoption généralisée des dossiers médicaux électroniques (DME) dans les bases de données cliniques, ainsi que les progrès rapides des technologies d'apprentissage machine (ML) et de traitement automatique du langage naturel (TAL) au cours des dernières années, ont élargi les possibilités d'applications innovantes et exploratoires de techniques informatiques sophistiquées afin de fournir une aide pratique aux praticiens médicaux. Cette thèse explore l'applicabilité potentielle des outils d'aide à la décision automatisés aux consultations générales non programmées, un domaine qui est loin d'être pleinement exploré par la communauté de recherche en IA médicale. Dans le cadre d'un projet multidisciplinaire réunissant la recherche en TAL, les développeurs de systèmes de DSE et les médecins, nous comblons le fossé entre la recherche biomédicale en TAL et la pratique médicale générale en utilisant une base de données de dossiers de consultation de SOS Médecins pour construire, évaluer et mettre en œuvre deux outils différents basés sur la ML qui sont capables d'effectuer une inférence prédictive en temps réel sur la base d'informations textuelles saisies par le praticien au cours d'une consultation. En partant d'un cadre de recherche TAL, nous avons d'abord développé et évalué divers modèles BERT biomédicaux, en utilisant une variété de sources d'information, y compris des textes scientifiques, des connaissances ontologiques structurées et des textes provenant des dossiers de consultation de SOS Médecins. Nous avons ensuite adapté ces modèles à deux nouvelles applications de classification de documents, conçues en collaboration avec un médecin : 1) la classification binaire pour le risque d'hospitalisation et/ou de diagnostic grave, et 2) la prédiction de diagnostic. Après avoir développé et validé ces algorithmes de classification, nous les avons intégrés dans le logiciel de gestion des données cliniques SOMELOG utilisé par plusieurs cabinets SOS Médecins. Cela nous a permis d'évaluer l'écart entre l'évaluation expérimentale et l'utilité pratique, mais aussi de recueillir des retours sur la perception de ce type d'outil par les praticiens. Nous constatons que de nombreux défis techniques et conceptuels doivent encore être relevés avant que des technologies comme celles-ci puissent être pleinement intégrées dans le travail des médecins généralistes de manière utile. En résumé, les principales contributions de ce travail sont 1) des outils logiciels et des modèles de langage adaptés au domaine des consultations générales non programmées et 2) des études quantitatives de l'applicabilité des outils d'intelligence artificielle pour l'aide à la décision clinique dans le contexte de SOS Médecins. Nous espérons que notre travail fournira des cadres expérimentaux utiles et des idées pratiques pour les travaux futurs dans ce domaine.The widespread adoption of Electronic Health Records (EHRs) in clinical databases, alongside the rapid advances in machine learning (ML) and natural language processing (NLP) technologies in recent years, has expanded the opportunities for innovative and exploratory applications of sophisticated computational techniques to provide practical aid to medical practitioners. This thesis explores the potential applicability of automated decision support tools to unscheduled general consultations, an area which remains under-explored by the medical AI research community. In the context of a multi-disciplinary project uniting NLP research, EHR system developers, and medical practitioners, we bridge the gap between biomedical NLP research and general medical practice by using a database of SOS Médecins consultation records to build, evaluate and implement two different ML-based tools that are capable of carrying out real-time predictive inference based on textual information entered by the practitioner during a consultation. Beginning in an NLP research framework, we first developed and evaluated various biomedical BERT models, using a variety of information sources including scientific text, structured ontological knowledge from the UMLS metathesaurus, and proprietary text from SOS Médecins consultation records. We then adapted these models to two novel document classification applications, designed in collaboration with a medical practitioner: 1) binary classification for hospitalisation and/or serious diagnosis risk, and 2) diagnosis prediction. Having developed and validated these classification algorithms, we then integrated them into the SOMELOG clinical data management software used by a number of SOS Médecins practices. This enabled us to evaluate the gap between experimental evaluation and practical utility, and also to collect feedback on the perception of this kind of tool among practitioners. We find that many technical and conceptual challenges remain to be addressed before technologies like these can be fully integrated into generalist clinical workflows in a useful way. In summary, the main contributions of this work are 1) software tools and language models adapted for the domain of unscheduled general consultations and 2) quantitative studies of the applicability of artificial intelligence tools for clinical decision support in the SOS Médecins context. We hope that our work will provide useful experimental frameworks and practical insights for future work in this area
Geochemical modelling of the feedback of the glass environment on its aqueous alteration
No full textLe modèle GRAAL2 (Glass Reactivity with Allowance for the Alteration Layer), couplé à un code de chimie-transport, est développé pour résoudre numériquement l'altération des verres au contact de l'eau interstitielle lors du stockage des déchets radioactifs dans le cadre du projet de stockage géologique Cigéo. Le travail de cette thèse questionne le fondement des hypothèses et des équations du modèle et évalue ses réponses via des calculs d'écarts modèle-expérience et de propagation d'incertitudes. La démarche expérimentale mise en œuvre s'appuie en premier lieu sur l'altération d'un verre simple à 4 oxydes à base de SiO2, B2O3, Na2O, Al2O3(cj2) au contact d'une solution lixiviante variant en volume et en composition via l'ajout d'éléments constitutifs du verre (silicium, sodium) ou exogènes (calcium, potassium). L'effet du calcium est également étudié avec une expérience d'altération en eau pure d'un verre de composition analogue contenant en plus du CaO(cj3). Les capacités prédictives du modèle sur le long terme sont évaluées via la modélisation d'un verre cj2 altéré durant 25 ans en eau pure. Sa capacité à décrire la compétition entre la formation du gel et d'une phase secondaire est étudiée via la modélisation d'une expérience d'altération en eau pure d'un verre industriel AVM de composition proche, contenant en plus du MgO et du Li2O. Les travaux sur le modèle s'accompagnent de méthodes d'optimisation des paramètres de modélisation à partir des concentrations analysées en solution à l'aide d'études de sensibilité et de calculs géochimiques. En parallèle,des outils d'aide à la création des fichiers de modélisation et à la visualisation sont créés. L'outil PyGraal, développé durant la thèse et écrit en python, regroupe ces méthodes et ces outils. Le couplage du modèle GRAAL2 et de l'outil PyGraal permet une meilleure compréhension des données expérimentales d'altération des verres et de la chimie associée. Les méthodes permettent l'obtention d'un paramétrage optimal et offrent, d'une part, de nouvelles perspectives d'études pour les écarts modèle-expériences résiduels et d'autre part la possibilité de formuler des hypothèses sur les phénomènes prenant place lors de l'altération des verres. La modélisation et l'expérience se complètent dans le travail de cette thèse ; la modélisation permet d'identifier les manquements expérimentaux, à savoir la prise en compte d'une nouvelle phase, d'un nouveau complexe dissous ou d'un élément non dosé ; l'expérience quant à elle permet d'identifier les limites du modèle via l'étude des écarts modèle-expériences.The GRAAL2 (Glass Reactivity with Allowance for the Alteration Layer) model, coupled with a chemistry-transport code, is developed to numerically solve the alteration of glasses in contact with interstitial water during the disposal of radioactive waste as part of the Cigéo geological repository project. The work in this thesis questions the basis of the model's assumptions and equations and evaluates its responses by calculating model-experiment deviations and the propagation of uncertainties. The experimental approach is based firstly on the alteration of a simple 4-oxide glass based on SiO2, B2O3, Na2O, Al2O3(cj2) in contact with a leaching solution that varies in volume and composition through the addition of elements that are constituents of the glass (silicon, sodium) or exogenous (calcium, potassium). The effect of calcium is also studied with an experiment involving the weathering in pure water of a glass of similar composition containing additional CaO(cj3). The long-term predictive capabilities of the model are evaluated by modelling the alteration of a cj2 glass over 25 years in pure water. Its ability to describe the competition between the formation of the gel and a secondary phase is studied by modelling an experiment involving the alteration in pure water of an industrial glass of similar composition,containing in addition MgO and Li2O (AVM). Alongside the work on the model, methods are being developed to optimise the modelling parameters by using sensitivity studies and geochemical calculations using the concentrations analysed in solution. At the same time, tools are created to help create modelling files and visualise the results. The PyGraal tool, developed during the thesis and written in python, combines these methods and tools. The coupling of the GRAAL2 model and the PyGraal tool allows a better understanding of the experimental data of glass alteration and the associated chemistry. The methods provide optimal parameterisation and offer new perspectives to investigate residual model-experiment discrepancies, as well as the possibility of hypothesising about the phenomena that take place during glass weathering. Modelling and experiment complete each other within the PhD work; modelling allows the identification of experimental shortcomings such as the inclusion of a new phase, a new dissolved complex or an unmeasured element; experiment, on the other hand, allows the identification of the limits of the model via the study of model-experiment discrepancies
Understanding the relation between physicochemical characteristics of lipid nanoparticles carrying mRNA and their in vivo behaviors and efficacy in cancer models
No full textL'utilisation thérapeutique d'acides nucléiques, et en particulier d'ARN messager, est depuis plusieurs années en plein essor. De nouvelles stratégies autres que vaccinales utilisant les ARNm sont en cours de développement comme les thérapies par remplacement de protéines, ou les traitements contre le cancer. Cependant, la distribution des LNP administrées par voie systémique dans l'organisme se fait très majoritairement dans le foie limitant l'efficacité de ces stratégies. De plus, peu d'études ont démontré de manière claire le ciblage d'autres tissus, et un nombre limité de ces travaux ont été effectués sur des modèles cancéreux.Ainsi, ce projet a visé à étudier l'impact des caractéristiques physicochimiques des LNP sur leurs comportements biologiques et leur efficacité dans un modèle in vivo de cancer. Au cours de ces travaux une librairie composée de 10 formulations de nanoparticules lipidiques contenant de l'ARN messager codant pour la protéine Firefly luciférase a été produite, caractérisée et testée, à la fois in vitro et in vivo. Les nanoparticules testées étaient composées de différents lipides PEGylés et de stérols. Les lipides PEGylés utilisés présentaient différentes tailles de chaines alkyles tandis que deux stérols furent employés : le cholestérol et un dérivé phytostérolique, le beta-sitostérol.Nos résultats ont montré un impact marqué de la longueur de la chaine carbonée du lipide PEGylé sur la stabilité sérique, l'expression protéique in vitro, la biodistribution, et l'expression protéique in vivo. De même, le sitostérol s'est montré être une alternative intéressante au cholestérol. Cependant, ces effets furent moins prononcées in vivo.Lors de cette étude, nous avons également pu montrer un lien de corrélation entre certaines mesures in vitro et in vivo. Ainsi, les méthodes et modèles développées au cours de cette thèse pourraient être appliquées au développement de stratégies in vitro prédictives des comportements in vivo.The therapeutic use of nucleic acids, and in particular messenger RNA, has been booming in the last few years. Various non-vaccine strategies using mRNAs are currently developed, such as protein replacement therapies and cancer treatments. However, systemically administered LNPs overwhelmingly accumulate in the liver, limiting the effectiveness of these strategies. Furthermore, only few studies clearly have so far demonstrated the targeting of extrahepatic tissues, and a limited number of those studies have been carried out on cancer models.Thus, this project has aimed to investigate how the physicochemical characteristics of LNPs can be tuned to modulate their biological behaviors and efficacy in an in vivo cancer model. During this work, a library composed of 10 lipid nanoparticle formulations containing messenger RNA encoding the Firefly luciferase protein was produced, characterized and tested, both in vitro and in vivo. The nanoparticles tested were composed of different PEGylated lipids and sterol. The PEGylated lipids used presented alkyl chain of various lengths while two sterols were assessed: cholesterol and beta-sitosterol, a phytosterol derivative.Our results revealed a marked impact of the carbon chain length of the PEGylated lipid on serum stability, protein expression in vitro, biodistribution, and protein expression in vivo. In addition, sitosterol proved to be an attractive alternative to cholesterol. However, improvements in transfections were less pronounced in vivo.In this study, we were also able to show a correlation between specific in vitro and in vivo results. Thus, the methods and models developed during this thesis could be applied to develop new in vitro strategies to predict in vivo behaviors
Broad-spectrum detection and identification of emerging and concerning staphylococcal enterotoxins in food
No full textLes entérotoxines staphylococciques (ESs), produites par des souches de staphylocoques à coagulase positive (SCP), ont des effets émétiques et provoquent des réactions superantigéniques. En raison de ces caractéristiques, les ESs sont considérées comme des agents potentiels de bioterrorisme. Elles représentent également un grave problème de santé publique lorsqu'elles sont ingérées via des aliments contaminés, entraînant de nombreux cas de toxi-infections alimentaires collectives (TIACs). A ce jour, 33 types d'ESs ont été décrits dans la littérature (SEA à SEl33), mais seuls cinq d'entre eux, SEA à SEE, dites entérotoxines classiques, sont détectables en routine en raison du manque d'outils analytiques dédiés. Lors de l'analyse des aliments responsables de TIACs, il est fréquent qu'aucune ES classique ne soit détectée. Cependant, des gènes codant pour des ESs nouvellement décrites, dites émergentes, sont présents et des symptômes typiques d'une intoxication à staphylocoque sont observés. Dans ce contexte, qui englobe la santé publique et la lutte contre la menace bioterroriste, l'objectif de ce projet de thèse est de développer des outils analytiques performants permettant la détection large spectre des ESs émergentes et préoccupantes dans les aliments. Dans un premier temps, afin de pallier le manque d'anticorps spécifiques nécessaires pour le développement d'outils de détection avec une haute sensibilité, nous avons produit des anticorps monoclonaux (AcMs) capables de fixer différentes ESs émergentes. Plusieurs stratégies ont été mises en œuvre pour optimiser chaque étape de la production des AcMs, depuis la sélection des ESs à cibler à la purification des AcMs, en passant par l'étape cruciale de la sélection des hybridomes. Dans un second temps, la sélection de paires d'AcMs a été effectuée afin de mettre en place des méthodes d'immuno-détection à deux sites, à la fois sensibles et spécifiques. L'objectif était de développer des immunoessais capables de reconnaitre l'ensemble des variants d'un type de toxine et ce, pour plusieurs types d'ESs émergentes et préoccupantes. Plusieurs tests immunologiques ont été développés et ont fait l'objet d'une validation en terme de répétabilité et de reproductibilité. Parmi eux, le test ELISA de détection de la toxine du type SEK a pu être (pré)validé dans différentes matrices alimentaires complexes artificiellement contaminées et mis en œuvre dans le cadre de l'investigation d'une intoxication alimentaire qui a eu lieu à Paris en 2022. En parallèle, nous avons proposé une méthode, exploitant la haute spécificité de la spectrométrie de masse (SM) pour l'identification des variants de séquence des ESs. Cette approche permet de fournir des informations essentielles sur la nature de la toxine responsable de la maladie chez les patients. Un protocole d'extraction avant analyse en MS a été développé à l'aide des anticorps à disposition, de manière à extraire l'ensemble des variants d'un type d'ES. Enfin, l'optimisation des paramètres d'acquisition en SM ont permis d'identifier ces variants dans des matrices alimentaires complexes à de très faibles concentrations (< 1 ng/mL). Les travaux menés au cours de cette thèse ont abouti à la publication d'un article dans la revue Toxins, et un autre est actuellement en préparation pour soumission à la revue International Food Microbiology. Enfin, les outils développés seront intégrés dans la batterie d'outils déjà disponibles à l'ANSES, permettant ainsi d'élargir la détection des ESs et de contribuer à la réalisation d'études épidémiologiques. Grâce à ces nouvelles méthodes, il sera notamment possible de réanalyser des échantillons suspectés d'être à l'origine de TIAC, mais dans lesquels aucune ES classique n'a été détectée, afin d'identifier la source de contamination.Staphylococcal enterotoxins (SEs), produced by coagulase-positive staphylococcal strains (CPS), cause emetic effects and trigger superantigenic reactions. Due to these properties, SEs are considered potential bioterrorism agents. They also pose a significant public health risk when consumed through contaminated food, leading to numerous cases of foodborne outbreaks (FBOs). To date, 33 SE types have been identified in the literature (SEA to SEl33), but only five of these, SEA to SEE, known as classical enterotoxins, are routinely detectable due to the lack of dedicated analytical tools. In many cases of FBO, no classical SE is detected, although genes encoding newly identified SEs (so-called emerging SEs) are present, and typical symptoms of staphylococcal intoxication are observed. In this context, which involves both public health and bioterrorism risk management, the objective of this thesis is to develop effective analytical tools for the broad-spectrum detection of emerging and concerning SEs in food. To address the lack of specific antibodies necessary for the development of high-sensitivity detection tools, we produced monoclonal antibodies (mAbs) targeting various emerging SEs. Several strategies were implemented to optimize each step of the mAb production process, from the selection of SEs to be targeted, to mAb purification, including the crucial step of hybridoma selection.Then, the selection of mAb pairs was performed to set up sensitive and specific two-site immunodetection methods. The goal was to develop immunoassays able to detect all variants of different toxin types across several emerging and concerning SEs. Several immunological tests were developed and validated in terms of repeatability and reproducibility. Among these, the ELISA test for SEK toxin detection was (pre)validated in various artificially contaminated complex food matrices and applied in a foodborne intoxication investigation that took place in Paris in 2022.In parallel, we developed a method using the high specificity of mass spectrometry (MS) to identify sequence variants of SEs. This approach provides essential information about the nature of the toxin responsible for illness in patients. An extraction protocol prior to MS analysis was developed using available antibodies to extract all variants of a given SE type. Finally, the optimization of MS acquisition parameters allowed the identification of these variants in complex food matrices at very low concentrations (< 1 ng/mL).The work carried out during this thesis led to the publication of an article in the journal Toxins, and another is currently being prepared for submission to the journal International Food Microbiology. Finally, the developed tools will be integrated into the existing toolset at ANSES, thus expanding SE detection and contributing to epidemiological studies. Thanks to these new methods, it will be possible to reanalyze samples suspected of causing FBOs in which no classical SE was detected, in order to identify the source of contamination
Identifier et annoter l'incertitude scientifique dans les textes académiques : méthodes, cadres et applications
No full textL'incertitude scientifique est au cœur du processus de recherche et de la construction de nouvelles connaissances. Cette thèse explore la manière dont l'incertitude est exprimée dans les textes académiques, en abordant les défis liés à son identification et à sa classification. Premièrement, la majorité des corpus annotés existants se concentrent sur des aspects spécifiques de l'incertitude — tels que l'atténuation (hedging), la négation ou la modalité — sans parvenir à en saisir toute la diversité à travers les disciplines scientifiques. Deuxièmement, la détection de l'incertitude scientifique est une tâche complexe à cause de la polysémie des indices linguistiques d'incertitude, dont le sens peut varier selon le contexte. Les approches antérieures ont souvent négligé le contexte linguistique et sémantique, ce qui peut entraîner des erreurs de classification. Troisièmement, l'expression de l'incertitude est linguistiquement complexe, stylistiquement variable, et peut dépendre des auteurs et des disciplines.Pour relever ces défis, ce travail propose : 1) un cadre d'annotation à cinq dimensions pour catégoriser l'incertitude de manière exhaustive ; 2) un corpus de référence annoté, comprenant 2,523 phrases extraites de 22 revues en sciences, technologies et médecine (STM) ainsi qu'en sciences humaines et sociales (SHS), et de 53 revues issues du dépôt SSOAR (Social Science Open Access Repository). Ce corpus constitue une ressource précieuse pour l'entraînement et l'évaluation de modèles de détection de l'incertitude, en assurant la reproductibilité des résultats et en rendant possible les recherches futures ; 3) un système appelé UnScientify, qui permet de détecter et d'annoter automatiquement l'incertitude scientifique dans des domaines variés. UnScientify est interprétable, efficace, et offre de bonnes performances tout en nécessitant peu de données annotées, ce qui en fait un outil adapté à des applications concrètes. En s'appuyant sur des motifs et des règles prédéfinis, le système atteint une précision et un rappel élevés, surpassant les grands modèles de langage (GMLs), avec une exactitude de 0,816, une précision de 0,952 pour les étiquettes de non-incertitude, et un rappel de 0,956 pour les étiquettes d'incertitude. Une validation externe a confirmé l'applicabilité du système à d'autres corpus, avec une amélioration de l'exactitude (0,841) et un rappel équilibré (0,803 pour l'incertitude, 0,885 pour la non-incertitude).Scientific uncertainty is central to the research process and the construction of new knowledge. This PhD thesis investigates how uncertainty is expressed in scholarly texts, addressing the challenges in its identification and classification. First, most existing annotated corpora focus on specific aspects of uncertainty, such as hedging, negation, or modality, but fail to capture the full spectrum of uncertainty across scientific fields. Second, detecting scientific uncertainty is complicated by the polysemy of uncertainty cues, which can have multiple meanings depending on context. Previous approaches have often relied on direct mapping of cues, overlooking the broader linguistic and semantic context, which can lead to misclassifications. Third, uncertainty expression is linguistically complex and stylistically variable, and may depend on the authors and discipline.To address these challenges, the present study contributes: 1) a comprehensive 5-dimensional framework for categorizing uncertainty; 2) a Gold Standard annotated corpus including 2,523 sentences from 22 journals in science, technology, medicine (STM), and social sciences and humanities (SSH), along with 53 journals from the Social Science Open Access Repository (SSOAR). This corpus serves as a resource for training and evaluating uncertainty detection models, ensuring reproducibility and supporting future research; and 3) a system called UnScientify, which detects and annotates scientific uncertainty across diverse domains. UnScientify is interpretable, efficient, and performs reliably even with limited labeled data, making it suitable for real-world applications. By leveraging predefined patterns and rules, UnScientify achieves high precision and recall, outperforming large language models (LLMs) with an accuracy of 0.816, a precision of 0.952 for non-uncertainty labels, and a recall of 0.956 for uncertainty labels. External validation confirmed UnScientify's generalizability, with improved accuracy (0.841) and balanced recall (0.803 for uncertainty, 0.885 for non-uncertainty)
Solutions de Formation de Faisceaux pour les Communications en Full-duplex dans le Contexte de l’Integrated Access & Backhaul
No full textAvec les avancées de la 5G et la vision pour la 6G, l’intégrated access & backhaul (IAB) s’ est impose comme une solution économique pour améliorer la couverture et la capacite du réseau grâce à des liaisons de Backhaul (BH) sans fil. Alors que les réseaux IAB conventionnels utilisent le time division duplexing (TDD) pour séparer les opérations de BH et d’accès, cette thèse explore la communication en full-duplex (FD) afin d’augmenter davantage le débit atteignable. Cependant, l’opération FD pose le défi de l’auto-interférence (SI) due à la transmission et à la réception simultanées. Cette thèse traite le problème de la SI en passant en revue les techniques existantes d’annulation d’auto-interférence (SIC) et en proposant deux méthodes innovantes de formation de faisceaux hybrides exploitant la technologie MIMO. La première consiste à ajouter une chaine radiofréquence (RF) supplémentaire pour la mitigation de la SI, tandis que la seconde, appelée constrained minimum mean square error (CMMSE), élimine le besoin de matériel supplémentaire et permet une annulation parfaite de la SI dans des conditions idéales. Les analyses théoriques et les simulations confirment leur efficacité, avec des évaluations supplémentaires dans des conditions réalistes démontrant leur faisabilité pour les réseaux IAB en FD.With 5G advancements and the vision for 6G, Integrated Access and Backhaul (IAB) has emerged as a cost-effective solution for enhancing network coverage and capacity via wireless backhaul (BH) links. While conventional IAB networks use time-division duplexing (TDD) to separate BH and access operations, this thesis investigates full-duplex (FD) communication to further improve the achievable throughput. FD operation, however, faces the challenge of self-interference (SI) from simultaneous transmission and reception. This thesis addresses SI by reviewing existing self-interference cancellation (SIC) techniques and proposing two novel innovative hybrid beamforming methods leveraging MIMO technology. The first considers implementing an extra radio-frequency (RF) chain for SI mitigation, while the second, termed constrained minimum mean square error (C-MMSE), eliminates the need for additional hardware and achieves perfect SIC under ideal conditions. Theoretical and simulation analyses confirm their effectiveness, with further evaluation under realistic conditions demonstrating their feasibility for FD IAB networks