Quatre nouvelles bourses ERC Starting dans les laboratoires de l'X

Vignesh Kannan - MultiPhaseXtrM : Les alliages à mémoire de forme en dynamiques extrêmes

Soumis à des forces mécaniques, des différences de température, ou même des champs magnétiques, certaines classes de matériaux changent drastiquement de forme. C’est le cas des alliages à mémoire de forme. Au niveau atomique se jouent des modifications de la structure du matériaux (appelées transformations de phases) qui permettent ce phénomène. 

Avec le projet, Vignesh Kannan, chercheur au Laboratoire de mécanique des solides (LMS*) va explorer le comportement de ces matériaux dans des conditions dynamiques extrêmes, lorsque des forces mécaniques importantes sont appliquées très rapidement (entre quelques centaines de nanosecondes et une milliseconde). Une installation de pointe sera développée pour mener ces expériences, observer le comportement des alliages à mémoire de forme et enfin comprendre les transformations de phase qui ont lieu. Cela pourrait conduire à de meilleures performances ou à de nouvelles applications dans les domaines de la génération de puissance pulsée, de la synthèse des matériaux et de l'amortissement des impacts pour les technologies aérospatiales.

*LMS : une unité mixte de recherche CNRS, École polytechnique - Institut Polytechnique de Paris

Thomas Debris-Alazard - IQ-SCALe: Une sécurité quantique à toute épreuve

Le possible avènement des ordinateurs quantiques dans le futur fait peser une menace sur les systèmes de cryptographie actuels, qui protègent notamment les échanges bancaires. Ces systèmes sont basés sur des problèmes mathématiques extrêmement difficiles à résoudre pour des ordinateurs classiques (tels que la factorisation d’un nombre en produit de nombres premiers), mais qui le seraient plus facilement par des ordinateurs quantiques (via l’algorithme de Shor notamment). De nouveaux protocoles cryptographiques plus résistants, dits « post-quantiques », sont en cours de standardisation.

L’objectif de Thomas Debris-Alazard, chargé de recherche Inria au Laboratoire d’informatique de l’École polytechnique (LIX*) est de tester la résistance de ces nouveaux protocoles à des attaques qui pourraient être utilisés contre eux. En effet, peu d’attaques purement quantiques ont à ce jour été conçues pour mettre à l’épreuve ces systèmes basés sur des problèmes mathématiques liés aux réseaux euclidiens ou aux codes correcteurs. Ce projet visera à la fois à développer les connaissances fondamentales sur ces protocoles, trouver de nouveaux problèmes cryptographiques et établir des preuves de sécurité.

*LIX : une unité mixte de recherche CNRS, École polytechnique - Institut Polytechnique de Paris

Alejandro Alvarez Laguna - HiMomPlas : Améliorer les modèles numériques pour la propulsion plasma

La propulsion électrique est déjà utilisée dans de nombreux satellites pour contrôler leur trajectoire. L’énergie électrique sert à accélérer les particules d’un gaz (un plasma), ce qui génère, en réaction, une poussée. Alejandro Alvarez Laguna, chercheur CNRS au Laboratoire de physique des plasmas (LPP*), a pour objectif de contribuer à l’amélioration de ces systèmes de propulsion.

Leurs limitations actuelles proviennent notamment du manque de modèles numériques capables de prendre en compte toute la complexité de la physique des plasmas, comme la turbulence d’onde à différentes échelles ou l’interaction du plasma avec les parois du satellite.  Le projet HiMomPlas s’appuie sur de nouvelles méthodes de mathématiques et de physique statistique qui permettent d’utiliser les équations de mécaniques des fluides loin de l’équilibre thermodynamique. Ces techniques permettront aussi des alternatives aux éléments chimiques employés pour le plasma, aujourd’hui majoritairement produit avec du xénon, très couteux.

*LPP : une unité mixte de recherche CNRS, École polytechnique - Institut Polytechnique de Paris, Observatoire de Paris, Sorbonne Université, Université Paris-Saclay

Anna Korba - OptInfinite: Améliorer les échantillonnages statistiques

Lorsqu’il s’agit de prendre une décision en contexte d’incertitude, de simuler des données ou des environnements réalistes ou encore d’améliorer les techniques d’apprentissage automatique, les statistiques sont incontournables. Une tâche clé consiste à échantillonner une distribution de probabilité, c’est-à-dire la fonction mathématique qui décrit les probabilités d’une quantité. Dans la plupart des cas, on ne dispose que d’informations partielles sur cette fonction. Par exemple, pour les modèles génératifs d’intelligence artificielle cherchant à créer des images, le but est d’obtenir cette distribution de probabilité à partir de quelques images d’entraînement afin de pouvoir en fabriquer de nouvelles. 

L’importance de cet échantillonnage a conduit au développement des nombreuses méthodes ces dernières années, sans qu’aucune ne se détache clairement comme la meilleure. Le but du projet OptInfinite mené par Anna Korba, professeure assistante à l'ENSAE Paris et chercheuse au Centre de recherche en économie et statistique (CREST*), est de bâtir un cadre unique afin de concevoir et d’évaluer des méthodes efficaces dans le cas où les distributions sont multidimensionnelles et multimodales. Le travail s’appuiera notamment sur l’expertise de son équipe en théorie du transport optimal.

*CREST : une unité mixte de recherche CNRS, École polytechnique - Institut Polytechnique de Paris, ENSAE Paris - Institut Polytechnique de Paris, GENES