Machine Learning au service de la recherche : applications concrètes en simulation et analyse d’images

par Arnaud HUBER (LP2IB)

jeudi 28 mai 2026, 11:15 → 12:00 Europe/Paris

LP2IB

L’intelligence artificielle (IA), avec ses sous-domaines comme le Machine Learning (ML) et le Deep Learning (DL), révolutionne les méthodes de recherche en physique nucléaire et en imagerie cellulaire. Après une clarification des termes clés de l’IA, cette présentation illustre son application à travers trois projets concrets :

Canon Bremmstrahlung - EUROPA : Ce projet utilise le Machine Learning pour établir une correspondance rapide entre un spectre incident et les traces mesurées dans des détecteurs (IP). Grâce à des modèles de régression, il permet de générer des prédictions en temps réel, tout en combinant une approche statistique (Approximate Bayesian Computation) pour affiner les résultats et tenir compte des incertitudes inhérentes à ce problème inverse.

Projet PALLAS : L’IA est employée pour reproduire les flux de particules générés après un tir laser, réduisant ainsi le besoin en simulations Particle-In-Cell (PIC) tout en maintenant une haute précision physique.

Analyse d’images par Deep Learning (ICS) : Des réseaux de neurones convolutifs (CNN) sont utilisés pour détecter et segmenter automatiquement des structures cellulaires dans des images de microscopie, améliorant l’efficacité & la rapidité des analyses.

-------------------------------------------------------------------------------

Artificial Intelligence (AI), along with its subfields such as Machine Learning (ML) and Deep Learning (DL), is revolutionizing research methods in nuclear physics and cellular imaging. After clarifying key AI terms, this presentation illustrates its application through three concrete projects:

Bremmstrahlung Cannon - EUROPA:
This project uses Machine Learning to establish a rapid correspondence between an incident spectrum and the traces measured in detectors (IPs). Through regression models, it enables real-time predictions while combining a statistical approach (Approximate Bayesian Computation) to refine results and account for the inherent uncertainties of this inverse problem.

PALLAS Project:
AI is employed to reproduce the particle fluxes generated after a laser shot, thereby reducing the need for Particle-In-Cell (PIC) simulations while maintaining high physical accuracy.

Deep Learning Image Analysis (ICS):
Convolutional Neural Networks (CNNs) are used to automatically detect and segment cellular structures in microscopy images, enhancing the efficiency and speed of analyses.