Zoom sur...

Recherche fondamentale
Actualités 19 décembre 2019

Nouveaux descripteurs de microstructures poreuses par tortuosité et accessibilité

IFP Energies nouvelles propose de nouveaux descripteurs morphologiques de réseaux poreux. Fruits de la collaboration de deux de ses directions de recherche, ils s’appuient sur les concepts d’accessibilité et de tortuosité pour rendre compte des chemins au sein d’un matériau.

Numéro 45 de Science@ifpen - Numéro spécial Science des données
Brèves

Interprétation d’images géologiques assistée par Intelligence Artificielle

Au cours de la dernière décennie, l’apprentissage profond (deep learning) appliqué à l’analyse d’images a connu un réel essor et une extension dans de nombreux domaines. Cependant, son potentiel reste encore sous-exploité en géologie, bien que cette discipline implique beaucoup d’interprétation visuelle. Pour contribuer à la transformation numérique des industries liées au sous-sol, les chercheurs IFPEN ont mis en œuvre l'apprentissage profond dans trois « contextes métier », impliquant chacun un type différent d’images géologiques.
Numéro 45 de Science@ifpen - Numéro spécial Science des données
Brèves

Segmentation sémantique par apprentissage profond en sciences des matériaux

La segmentation sémantique réalisée sur des images de microscopie est une opération de traitement effectuée en vue de quantifier la porosité d’un matériau et son hétérogénéité. Elle vise à affecter une classe d’appartenance (niveau d’hétérogénéité de la porosité) à chaque pixel de l’image. Cependant elle est très difficile sur certains matériaux (comme les alumines employées pour la catalyse), voire impossible par une approche classique de traitement d’image, car les différences de porosité sont caractérisées par des contrastes faibles et des variations de texture complexes. Un moyen de dépasser cette limitation est d’aborder par apprentissage profond la segmentation sémantique, en recourant à un réseau de neurones convolutifs.
Page individuelle

Ani ANCIAUX SEDRAKIAN

Ingénieur de recherche / Chef de projet
Postes à pourvoir actuellement dans le groupe: https://www.linkedin.com/company/ifp-energies-nouvelles/jobs/ Elle a obtenu sa thèse de doctorat en informatique à l'Université Pierre et Marie Curie
Science@ifpen n° 44
Brèves

Le système 48 volts : hybride léger à fort potentiel

L’électrification du groupe motopropulseur des véhicules est une des clés de la mobilité durable et l’hybridation avec des moteurs thermiques est de plus en plus répandue. Dans ce contexte, l’hybridation légère « à 48 volts » est une option à faible coût, flexible et simple à intégrer, avec des contraintes de sécurité allégées et des performances remarquables.
Numéro 43 de Science@IFPEN
Brèves

Optimisation d’un micro-organisme d’intérêt pour la bioproduction d’isopropanol et de n-butanol

La substitution de bioprocédés aux procédés pétrochimiques requiert la mise en oeuvre de biocatalyseurs (ou micro-organismes) pour produire des molécules, avec un moindre impact environnemental. L’un de ces microorganismes, Clostridium beijerinckii DSM 6423
Numéro 42 de Science@IFPEN
Brèves

Spectrométrie et chimiométrie au service des procédés

La baisse de la qualité des pétroles bruts combinée au durcissement des normes environnementales conduit les raffineurs à modifier leurs procédés pour répondre à la demande croissante en coupes
Page individuelle

Chaouki HABCHI

Chercheur senior
HDR-Associé à l’Ecole Doctorale SMEMaG à CentraleSupelec
Doctorat de Sorbonne Université (Paris-VI) obtenu en 1990 dans le domaine de la mécanique des fluides numérique. HDR (Habilitation à Diriger des Recherches) de l'Institut National Polytechnique de
IFPEN Inria
Brèves

Partenariat IFPEN/Inria : le numérique au cœur de l’innovation

Les technologies du numérique participent de façon croissante à la résolution des problématiques industrielles. IFPEN a engagé une collaboration avec l’Inria. Cinq ans après, bilan d’un partenariat fructueux.
Numéro 41 de Science@IFPEN
Brèves

Simulation des écoulements réactifs multiphasiques : développements et applications dans le domaine de la combustion (HDR 2015)

Le domaine scientifique concerné par mes travaux d’HDR est celui de la modélisation numérique 3D de la combustion diphasique, associant des travaux sur la combustion turbulente et la préparation du
Numéro 41 de Science@IFPEN
Brèves

Apport du traitement d’images à l’amélioration des performances de catalyseurs (HDR 2017)

Les travaux de mon HDR visaient à améliorer la performance des catalyseurs par le traitement d’images, en automatisant les analyses et en améliorant la qualité de l’information extraite des données