‹ mercredi 13 mars 2024 › | |
08:00
09:00
10:00
11:00
12:00
13:00
14:00
15:00
16:00
17:00
18:00
|
8:35 - 10:00 (1h25)
Intelligence artificielle pour la caractérisation à haut débit
M001
› Applications de l'intelligence artificielle à la microscopie électronique en transmission
- Saghi Zineb, Commissariat à l'énergie atomique et aux énergies alternatives - Laboratoire d'Electronique et de Technologie de l'Information
08:35-09:10 (35min)
› Méthodologie de reconstruction 3D à partir d'images FIB d'une microstructure céramique à l'aide d'outil de deep learning
- Damien André, Institut de Recherche sur les CERamiques, IRCER - Axe 4 : céramiques sous contraintes environnementales
09:10-09:35 (25min)
› Data Reduction and Clustering Approaches for a Comprehensive Phase Analysis inside NVPF Cathode Materials
- Fayçal Adrar, Laboratoire réactivité et chimie des solides - UMR CNRS 7314
09:35-10:00 (25min)
›10:00 (30min)
10:00 - 10:30 (30min)
Pause
10:30 - 11:30 (1h)
Intelligence artificielle pour la caractérisation à haut débit
M001
› Analyse de données Raman hyperspectrales par approche multivariée
- Maggy Colas, IRCER, UMR-CNRS 7315
10:30-11:05 (35min)
› interprétation par analyse en composantes principales d'hyperspectres RAMAN : comment faire le lien entre statistique et physique ?
- Lionel Desgranges, CEA/DEN/DEC/SESC Cadarache
11:05-11:30 (25min)
›11:30 (1h)
11:30 - 12:30 (1h)
Outils PEPR Diademe et besoins en formation
Noël Jakse et Jean-Luc Parouty
›12:30 (1h30)
12:30 - 14:00 (1h30)
Déjeuner
14:00 - 16:20 (2h20)
Intelligence artificielle pour la caractérisation à haut débit
M001
› Modèle pour la prédiction de microstructure de solidification par champs de phase et intelligence artificielle : application au procédé WAAM-CMT
- Claire Maurice, Laboratoire Georges Friedel - Helmut Klöcker, Laboratoire Georges Friedel
14:00-14:25 (25min)
› Machine Learning Acceleration of Ferroelectric Phase-Field Modeling
- ALHADA KEVIN, Institut National des Sciences Appliquées de Lyon
14:25-14:50 (25min)
› Machine learning of the enthalpy of mixing for predicting phase equilibria
- Guillaume Deffrennes, Science et Ingénierie des Matériaux et Procédés
14:50-15:15 (25min)
› Machine Learning Insights into Multiscale Structural Properties of Soft Matter
- Stefano Mossa, Institut de Recherche Interdisciplinaire de Grenoble
15:15-15:40 (25min)
›15:40 (30min)
15:40 - 16:10 (30min)
Pause
16:10 - 18:10 (2h)
Intelligence artificielle pour la caractérisation à haut débit
M001
› Machine Learning for automatic selection of a nanoparticle analytical model for Small Angle X-Ray Scattering data analysis
- Nicolas Monge, Xenocs SAS, Laboratoire d'Informatique de Grenoble, Science et Ingénierie des Matériaux et Procédés - Alexis Deschamps, Science et Ingénierie des Matériaux et Procédés
16:10-16:45 (35min)
› Exploring Machine Learning Techniques for Data Pre-processing and Analysis on the D2AM Beamline: A First Look
- Maxime Dupraz, Institut Néel
16:45-17:20 (35min)
› Stratégie de traitement de données synchrotron par l'IA : des concepts à la pratique
- FARHI Emmanuel, Synchrotron SOLEIL
17:20-17:45 (25min)
› Analysis of Electroluminescence data imaging using physical models and machine learning for photovoltaic applications
- Erell LAOT, EDF R&D SYSTEME, Institut Photovoltaïque d'Ile-de-France (ITE)
17:45-18:10 (25min)
|
Session | Discours | Logistique | Pause | Sortie |
Personnes connectées : 2 | Vie privée | Accessibilité |