DTN/SMTA/LMN - Méthode primale-duale proximale pour l’estimation conjointe de l’objet et de paramètres inconnus en tomographie

Contexte: imagerie tomographique pour dispositifs expérimentaux du réacteur Jules Horowitz (RJH) au CEA Cadarache; certains paramètres d’acquisition sont inconnus. Objectif: proposer et développer un algorithme de reconstruction d’image conjointement à l’estimation des paramètres d’acquisition inconnus, formulé comme un problème de moindres carrés non linéaires séparables régularisé. Extension de la méthode Variable Projection via des méthodes primales-duales proximales, avec garanties de convergence. Travaux: implémentation Python performante (GPU via TIGRE), gestion d’objets volumineux (plusieurs Go) et de nombreux paramètres (plusieurs centaines), intégration à la boîte à outils TIGRE, validation sur données expérimentales, étude de différentes régularisations. Collaboration I2M (Aix-Marseille Univ.). Déplacements I2M et CEA Cadarache. Profil/Compétences: M2/ingénieur en mathématiques appliquées et/ou traitement du signal orienté machine learning; Python; optimisation; tomographie. Lieu: CEA Cadarache (Site Cadarache, Saint‑Paul‑lez‑Durance). Possibilité de thèse: Oui.