Dans le domaine de l'IA supervisée, la qualité des données d’entraînement restent un point central dans la mise au point de toute méthodologie. Les données expérimentales sont rarement annotées de façon massive. Ainsi, la plupart des acteurs recourent à la simulation. Mais cela repose souvent sur des modèles simplifiés, qui par exemple n'incluent pas les artefacts expérimentaux (sources, optiques, détecteurs, bruits de fond divers, ...).
Dans le domaine des neutrons et des X, il existe des codes de calcul (projets Européens McStas/McXtrace) permettant de décrire des dispositifs expérimentaux complets, ainsi que des échantillons. La possibilité de simuler des expériences virtuelles complètes (jumeaux numériques comprenant des sources, des optiques, des échantillons et des détecteurs) permet de créer massivement des jeux de données très proches de la réalité.
Cette formation est dédiée à la génération de données expérimentales simulées mais réalistes. Il y aura donc de la simulation de matériaux physiques (DFT, MD, XAS, ...), et leur intégration dans des modèles complets de dispositifs expérimentaux X et neutrons. Nous présenterons ensuite quelques applications « IA » utilisant cette approche.
La formation sera principalement dispensée sous la forme de travaux pratiques.
Dans le domaine des neutrons et des X, il existe des codes de calcul (projets Européens McStas/McXtrace) permettant de décrire des dispositifs expérimentaux complets, ainsi que des échantillons. La possibilité de simuler des expériences virtuelles complètes (jumeaux numériques comprenant des sources, des optiques, des échantillons et des détecteurs) permet de créer massivement des jeux de données très proches de la réalité.
Cette formation est dédiée à la génération de données expérimentales simulées mais réalistes. Il y aura donc de la simulation de matériaux physiques (DFT, MD, XAS, ...), et leur intégration dans des modèles complets de dispositifs expérimentaux X et neutrons. Nous présenterons ensuite quelques applications « IA » utilisant cette approche.
La formation sera principalement dispensée sous la forme de travaux pratiques.
Cette formation est ouverte à tous, issus des secteurs public et privé :
- Doctorants
- Post-doctorants
- Enseignants-chercheurs
- Chercheurs / ingénieurs de recherche
- Niveau d’anglais B2 (la formation se déroule en anglais)
- Une connaissance initiale en instrumentation X et/ou neutrons est souhaitable,
ainsi qu’en outils de traitement de données scientifiques : calcul numérique (python, ...) / simulation - Ordinateur portable personnel indispensable pour les travaux pratiques avec pré-installation des logiciels
McStas et McXtrace. (Des moyens de calcul distants seront disponibles pour les calculs lourds)
Lundi 21/09 après-midi : Introduction
Présentation des enjeux de la simulation pour la génération de données réalistes en IA supervisée, ainsi que les outils clés (McStas/McXtrace) utilisés pour modéliser les dispositifs expérimentaux complets.
Mardi 22/09 matin : Sources n/X, détecteurs
Modélisation des sources de neutrons et de rayons X, ainsi qu’à la simulation des détecteurs.
Comprendre comment ces éléments influencent la qualité des données expérimentales et comment les intégrer dans des dispositifs virtuels pour générer des données réalistes.
Mardi 22/09 après-midi : Optiques
Simulation des composants optiques utilisés dans les dispositifs expérimentaux (lentilles, miroirs, monochromateurs, etc.). L’accent est mis sur leur rôle dans la formation du signal et sur la manière de les modéliser pour reproduire fidèlement les artefacts expérimentaux.
Mercredi 23/09 matin : Échantillons diffraction
Étude des modèles numériques d’échantillons de matériaux qui diffractent les neutrons et les rayons X. Simulation des expériences de diffraction en intégrant les caractéristiques physiques des matériaux pour générer des jeux de données réalistes.
Mercredi 23/09 après-midi : Échantillons spectroscopie
Modélisation d’échantillons pour des expériences de spectroscopie (par exemple, XAS).
Simulation des interactions entre les rayonnements (neutrons/X) et les matériaux, afin de produire des données spectroscopiques annotées et réalistes pour l’entraînement de modèles d’IA.
Jeudi 24/09 matin : Échantillons imagerie
Simulation d’échantillons pour des applications d’imagerie (tomographie, radiographie, etc.).
Génération d’images virtuelles incluant les artefacts expérimentaux, afin de créer des jeux de données variés et proches de la réalité pour l’apprentissage supervisé.
Jeudi 24/09 après-midi : Applications IA : entraînement
Présentation des méthodes d’entraînement de modèles d’IA supervisée à partir des données simulées générées précédemment.
L’accent est mis sur l’utilisation de ces jeux de données réalistes pour améliorer la robustesse et la généralisation des modèles, en tenant compte des spécificités des dispositifs expérimentaux.
Vendredi 25/09 matin : Applications IA : inférence
Utilisation des modèles d’IA entraînés pour réaliser des tâches d’inférence sur des données expérimentales réelles ou simulées.
L’objectif final est d’évaluer la performance des modèles et de discuter des bonnes pratiques pour optimiser leur déploiement dans des contextes applicatifs concrets.
Emmanuel FARHI
DIRECTEUR du groupe « Réduction et analyse des données » au synchrotron SOLEIL.
Fort d’une brillante carrière en physique, en sciences numériques et en science des matériaux, Emmanuel apporte une expertise approfondie dans les domaines de la diffusion neutronique et de la diffusion des rayons X, des simulations ab initio et de la programmation avancée pour l’analyse de données.
Ses travaux couvrent la programmation scientifique, les jumeaux numériques de Monte-Carlo, les modérateurs de neutrons, le traitement des déchets nucléaires à l'aide d'algues résistantes aux radiations, ainsi que la conception d'instruments scientifiques de pointe.
Emmanuel Farhi est un contributeur clé des projets McStas et McXtrace.
Peter WILLENDRUP
INGENIEUR DE RECHERCHE sénior au département de physique de l’Université technique du Danemark (DTU)
Actuellement détaché au Data Management and Scientific Computing Centre (DMSC) de l’ESS (European Spallation Source), il est reconnu pour son expertise en modélisation scientifique, en développement logiciel et en gestion de projets collaboratifs internationaux.
Depuis 2002, il dirige le développement de McStas, le logiciel leader mondial pour la simulation d’instruments de diffusion neutronique, utilisé notamment pour la conception des instruments de l’ESS en Suède. Depuis 2009, il co-dirige aussi le développement du progiciel McXtrace, l’équivalent de McStas pour les rayons X.
Peter a travaillé sur tous les aspects de la pile logicielle et possède une expérience dans tous les cas d'utilisation de la base de code.
José ROBLEDO
CHERCHEUR au Conseil national de la recherche scientifique et technique (CONICET)
PROFESSEUR à l'Institut Balseiro en Argentine.
Titulaire d'un master en statistiques appliquées et d'un doctorat en physique, ses recherches portent principalement sur l'application des techniques d'apprentissage automatique aux processus d'analyse des données en science neutronique.
José est également consultant en intelligence artificielle Helmholtz pour le Forschungszentrum Jülich, en Allemagne, et possède une expérience dans la création de bases de données simulées avec McStas pour des applications d'apprentissage automatique.
Accés :
Navette aller-retour prévue de La Rochelle à Saint-Pierre-d'Oléron le lundi et le vendredi
Session : 21 au 25 septembre 2026
Durée : 5 jours (8 demi-journées d'apprentissage = 28h)
Modalité : Présentiel
Coût : 700 € comprenant :
Optionnel : Sortie collective (20€ non inlus)
Durée : 5 jours (8 demi-journées d'apprentissage = 28h)
Modalité : Présentiel
Coût : 700 € comprenant :
- - La navette de La Rochelle à Saint-Pierre-d'Oléron le lundi
- - L'hébergement = 4 nuits
- - Tous les repas du 21 au soir au 25 à midi (un repas sous forme de pique-nique pourra être donné sur demande le vendredi midi)
- - Le forfait location de vélo sur place
- - La navette retour de Saint-Pierre-d'Oléron à La Rochelle le vendredi
Optionnel : Sortie collective (20€ non inlus)