Comment décoder les ondes

Houssem HADDAR

INRIA Saclay Ile de France / CNRS / Ecole Polytechnique (CMAP)

UniThé ou Café, Janvier, 2014

1 / 69
Avant propos

DeFI: Equipe projet commune INRIA Saclay Ile de France et Ecole

Polytechnique, hébergée au CMAP
Composition :
I Chercheurs permanents :
I H. Haddar (INRIA, Chef de projet)
I J.R. Li (INRIA)
I G. Allaire (Ecole Polytechnique)
I O. Pantz (Ecole Polytechnique)
I Assistante :
I J. Gameiro (INRIA)

+ 9 Thésards + 2 PostDocs

2 / 69
Présentation rapide de DEFI

Objectif général de notre recherche : Développer des algorithmes

numériques rapides pour identifier des paramètres ou retrouver des
formes qui optimisent un critère (optimisation topologique de formes) ou
qui correspondent à certaines mesures (problèmes inverses).
Notre coeur de métier :
I Analyse mathématique des modèles physiques qui entrent en jeux
dans l’optimisation ou l’inversion.
I Développement et analyse de méthodes numériques pour résoudre
les problèmes en question.
I Développement de prototypes de codes pour des applications
spécifiques ou de toolbox pour des problèmes académiques.

3 / 69
Le thème de mon exposé
Modèles et algorithmes pour différentes modalités utilisant les ondes
électromagnétiques pour déterminer la forme d’objets (ou informations
qualitatives sur la forme) à partir de certaines mesures.

Quelques applications
I Imagerie par des rayons X, Exemples de mesures SAXS
I Radars pour retrouver des
mines,
I Recherche de défauts dans
des structures, Schéma d’imagerie radar
I Imagerie bio/médicale,
I Science fiction,
I ...
Contrôle non destructif de tubes de combustible nucléaire

4 / 69
Plan de la suite

I Les ondes électromagnétiques : exemples

I Le problème inverse : point de vue mathématique
I Exemple de l’imagerie SAXS : mesurer la pollution en
nanoparticules
I Les micro-ondes : voir des objets enfouis (mines, fissures,
cellules cancéreuses)
I Déjouer les ondes pour se rendre invisible

5 / 69
Les ondes électromagnétiques
I Un champ électromagnétique est composé d’un champ électrique et
d’un champ magnétique : le champ électromagnétique est présent
partout en espace.

6 / 69
Les ondes électromagnétiques
I Un champ électromagnétique est composé d’un champ électrique et
d’un champ magnétique : le champ électromagnétique est présent
partout en espace.
I Une onde électromagnétique : un champ électromagnétique qui
oscille en temps et qui se propage à une vitesse donnée (= à la
vitesse de la lumière ∼ 3.108 m/s si le milieu est le vide).

7 / 69
Les ondes électromagnétiques
I Un champ électromagnétique est composé d’un champ électrique et
d’un champ magnétique : le champ électromagnétique est présent
partout en espace.
I Une onde électromagnétique : un champ électromagnétique qui
oscille en temps et qui se propage à une vitesse donnée (= à la
vitesse de la lumière ∼ 3.108 m/s si le milieu est le vide).
I Une onde électromagnétique est la superposition d’ondes
électromagnétiques harmoniques : caractérisées par fréquence
d’oscillation temporelle - que l’on peut traduire en une période
d’oscillation spatiale ou longueur d’onde λ.

8 / 69
Exemples

Classement par longueur d’onde (λ) décroissante

Ondes Radio Micro-ondes IR - Lumière visible - UV Rayons X

λ > 1m 1m → 1mm 1mm → [0.7µm − 0.4µm] → 10nm λ < 1nm

Gamme des Micro-ondes

30cm → 1m Télé Hertzienne

10cm → 30cm WiFi - Four micro-ondes - Téléphone portable
1cm → 10cm Satellites - Radars (aviation, météorologie, naval, etc...)
1mm → 1cm Radar militaire - cartographie - Imagerie médicale

9 / 69
Diffraction des ondes EM
C’est la “perturbation” du champ EM due à la
présence d’un objet.
Elle est décrite par les équations de Maxwell
publiées par James Clerk Maxwell (1831-1879)

10 / 69
Diffraction des ondes EM
C’est la “perturbation” du champ EM due à la
présence d’un objet.
Elle est décrite par les équations de Maxwell
publiées par James Clerk Maxwell (1831-1879)

L’epi POEMS (INRIA Saclay Ile de France) est spécialiste dans la simula-
tion numérique de la diffraction des ondes...

Deux paramètres sont importants pour la physique (et le numérique)

I Le rapport λ/L où L désigne une taille caractéristique de l’objet

Exemple : pour un objet sphérique, L = le diamètre.
I Indice du milieu = vitesse dans le vide / vitesse dans l’objet.

11 / 69
Diffraction des ondes EM
C’est la “perturbation” du champ EM due à la
présence d’un objet.
Elle est décrite par les équations de Maxwell
publiées par James Clerk Maxwell (1831-1879)

Exemple 1 : Onde sphérique générée par un point source

12 / 69
Diffraction des ondes EM
C’est la “perturbation” du champ EM due à la
présence d’un objet.
Elle est décrite par les équations de Maxwell
publiées par James Clerk Maxwell (1831-1879)

Exemple 2 : Onde sphérique perturbée par un X (diélectrique)

13 / 69
Diffraction des ondes EM
C’est la “perturbation” du champ EM due à la
présence d’un objet.
Elle est décrite par les équations de Maxwell
publiées par James Clerk Maxwell (1831-1879)

Exemple 3 : Onde diffractée = onde avec X - onde sans X

14 / 69
Problème inverse : décoder les ondes
Objectif:
Déterminer la forme d’un objet à partir de mesures du champ diffracté

15 / 69
Problème inverse : décoder les ondes
Objectif:
Déterminer la forme d’un objet à partir de mesures du champ diffracté

I C’est un problème non-linéaire :

Champ diffracté par Objet 1 + Champ diffracté par Objet 2 6=

Champ diffracté par Objets 1 + 2

16 / 69
Problème inverse : décoder les ondes
Objectif:
Déterminer la forme d’un objet à partir de mesures du champ diffracté

I C’est un problème non-linéaire :

Champ diffracté par Objet 1 + Champ diffracté par Objet 2 6=

Champ diffracté par Objets 1 + 2

17 / 69
Problème inverse : décoder les ondes
Objectif:
Déterminer la forme d’un objet à partir de mesures du champ diffracté

I C’est un problème mal posé : deux géométries très différentes

peuvent produire des champs diffractés très proches.

18 / 69
Problème inverse : décoder les ondes
Objectif:
Déterminer la forme d’un objet à partir de mesures du champ diffracté

I C’est un problème mal posé : deux géométries très différentes

peuvent produire des champs diffractés très proches.

En fait une seule onde ne voit pas bien des détails

géométriques < λ/2.
19 / 69
Problème inverse : décoder les ondes
Objectif:
Déterminer la forme d’un objet à partir de mesures du champ diffracté

Ce que nous étudions (mathématiquement) :

I Modèle : quel modèle mathématique “simple” (si possible plus
simple que les équations de Maxwell) serait capable de bien
reproduire les mesures.
I Identifiabilité : Est-ce que les mesures sont suffisantes ou pas pour
déterminer de manière unique la géométrie.
I Algorithme : En général la preuve d’unicité est constructive, c.à.d.
qu’elle contient en elle même un algorithme pour retrouver la forme.
I Stabilité : Comment stabiliser l’algorithme d’inversion par rapport
aux erreurs de mesure.

20 / 69
Exemple de l’imagerie par diffraction des rayons X
Longueur d’onde λ de l’ordre de l’Angström = 10−10 m.
En principe il est possible d’utiliser ces ondes pour voir des nano-objets !
Restriction : à cette échelle de longueur d’onde il n’est possible de mesurer
que l’intensité de l’onde.

21 / 69
Exemple de l’imagerie par diffraction des rayons X

Exemple de l’imagerie conventionnelle par rayon X (tomographie) : on

exploite l’absorption des rayons X.

Récepteurs
Emetteurs

⇒ ne permet pas d’accéder à la structure d’échantillons hétérogènes mais

de constituants uniformément équirépartis.
Exemple: poussières de nanoparticules.

22 / 69
Exemple de l’imagerie par diffraction des rayons X

Exemple de l’imagerie conventionnelle par rayon X (tomographie) : on

exploite l’absorption des rayons X.

Récepteurs
Emetteurs

⇒ ne permet pas d’accéder à la structure d’échantillons hétérogènes mais

de constituants uniformément équirépartis.
Exemple: poussières de nanoparticules.
Technique SAXS : exploite la diffraction à faible angle de diffusion.

23 / 69
Technique SAXS
Projet Nanolytix en collaboration avec Xenocs

Illustration de la diffraction à faible angle

Particule parfaitement opaque

24 / 69
Technique SAXS
Projet Nanolytix en collaboration avec Xenocs

Illustration de la diffraction à faible angle

Particule à faible contraste (presque transparente)

25 / 69
Technique SAXS
Projet Nanolytix en collaboration avec Xenocs

Schéma de mesures SAXS

26 / 69
Technique SAXS
Projet Nanolytix en collaboration avec Xenocs

Eléments de modélisation
I Il est possible de calculer (modèle haute fréquence) les empreintes à
faible angle d’un objet faiblement diffractant

27 / 69
Technique SAXS
Projet Nanolytix en collaboration avec Xenocs

Eléments de modélisation
I Il est possible de calculer (modèle haute fréquence) les empreintes à
faible angle d’un objet faiblement diffractant

28 / 69
Technique SAXS
Projet Nanolytix en collaboration avec Xenocs

Eléments de modélisation
I Il est possible de calculer (modèle haute fréquence) les empreintes à
faible angle d’un objet faiblement diffractant

29 / 69
Technique SAXS
Projet Nanolytix en collaboration avec Xenocs

Eléments de modélisation
I Il est possible de calculer (modèle haute fréquence) les empreintes à
faible angle d’un objet faiblement diffractant

30 / 69
Technique SAXS
Projet Nanolytix en collaboration avec Xenocs

Eléments de modélisation
I Il est possible de calculer (modèle haute fréquence) les empreintes à
faible angle d’un objet faiblement diffractant
I Pour un ensemble de particules éloignées (par rapport à la longueur
d’onde) : Il est possible de négliger l’interaction entre les particules,
⇒ un modèle linéaire (mais mal posé !) liant la densité de particules à
l’intensité du champ diffracté mesurée.

31 / 69
Un exemple d’inversion de mesures SAXS

I L’inversion doit être robuste par rapport à la structure fortement

contaminée des mesures

I En réalité, chaque capteur compte le nombres de photons reçus (le

détecteur s’incrémente de 1 dès qu’il reçoit une quantité d’énergie
égale à celle d’un photon)

32 / 69
Un exemple d’inversion de mesures SAXS

I L’inversion doit être robuste par rapport à la structure fortement

contaminée des mesures

Mesures avec échantillon Mesures sans échantillon

I En réalité, chaque capteur compte le nombres de photons reçus (le
détecteur s’incrémente de 1 dès qu’il reçoit une quantité d’énergie
égale à celle d’un photon)
I Il faut tenir compte également du bruit de fond de l’appareil de
mesure !

33 / 69
Un exemple d’inversion de mesures SAXS
In collaboration with F. Benvenuto (PostDoc DEFI)

⇒ Une approche de régularisation adaptée à des erreurs de mesures

aléatoires suivant une lois de Poisson,
⊕ un choix à postériori robuste du paramètre de régularisation lié au
degrés de confiance que l’on met sur les mesures.

34 / 69
Un exemple d’inversion de mesures SAXS
In collaboration with F. Benvenuto (PostDoc DEFI)

⇒ Une approche de régularisation adaptée à des erreurs de mesures

aléatoires suivant une lois de Poisson,
⊕ un choix à postériori robuste du paramètre de régularisation lié au
degrés de confiance que l’on met sur les mesures.

35 / 69
Un exemple d’inversion de mesures SAXS
In collaboration with F. Benvenuto (PostDoc DEFI)

⇒ Une approche de régularisation adaptée à des erreurs de mesures

aléatoires suivant une lois de Poisson,
⊕ un choix à postériori robuste du paramètre de régularisation lié au
degrés de confiance que l’on met sur les mesures.

36 / 69
Un exemple d’inversion de mesures SAXS
In collaboration with F. Benvenuto (PostDoc DEFI)

⇒ Une approche de régularisation adaptée à des erreurs de mesures

aléatoires suivant une lois de Poisson,
⊕ un choix à postériori robuste du paramètre de régularisation lié au
degrés de confiance que l’on met sur les mesures.

37 / 69
Un exemple d’inversion de mesures SAXS
In collaboration with F. Benvenuto (PostDoc DEFI)

⇒ Une approche de régularisation adaptée à des erreurs de mesures

aléatoires suivant une lois de Poisson,
⊕ un choix à postériori robuste du paramètre de régularisation lié au
degrés de confiance que l’on met sur les mesures.

38 / 69
Un exemple d’inversion de mesures SAXS
In collaboration with F. Benvenuto (PostDoc DEFI)

⇒ Une approche de régularisation adaptée à des erreurs de mesures

aléatoires suivant une lois de Poisson,
⊕ un choix à postériori robuste du paramètre de régularisation lié au
degrés de confiance que l’on met sur les mesures.

39 / 69
Un exemple d’inversion de mesures SAXS
In collaboration with F. Benvenuto (PostDoc DEFI)

⇒ Une approche de régularisation adaptée à des erreurs de mesures

aléatoires suivant une lois de Poisson,
⊕ un choix à postériori robuste du paramètre de régularisation lié au
degrés de confiance que l’on met sur les mesures.

40 / 69
Un exemple d’inversion de mesures SAXS
In collaboration with F. Benvenuto (PostDoc DEFI)

⇒ Une approche de régularisation adaptée à des erreurs de mesures

aléatoires suivant une lois de Poisson,
⊕ un choix à postériori robuste du paramètre de régularisation lié au
degrés de confiance que l’on met sur les mesures.

41 / 69
Un exemple d’inversion de mesures SAXS
In collaboration with F. Benvenuto (PostDoc DEFI)

⇒ Une approche de régularisation adaptée à des erreurs de mesures

aléatoires suivant une lois de Poisson,
⊕ un choix à postériori robuste du paramètre de régularisation lié au
degrés de confiance que l’on met sur les mesures.

42 / 69
L’imagerie par micro-ondes

I Nous sommes dans le régime λ comparable à la taille de l’objet.

I Il est possible de mesurer la répartition spatiale de l’onde diffractée.

Schéma de mesures dites multi-statiques :

• • •
•
Inclusions
•
•

• •
Emetteurs/
Récepteurs
• •
• •

43 / 69
L’imagerie par micro-ondes

I Nous sommes dans le régime λ comparable à la taille de l’objet.

I Il est possible de mesurer la répartition spatiale de l’onde diffractée.

Schéma de mesures dites multi-statiques :

• • •
•
Inclusions
•
•

• •
Emetteurs/
Récepteurs
• •
• •

44 / 69
L’imagerie par micro-ondes

I Nous sommes dans le régime λ comparable à la taille de l’objet.

I Il est possible de mesurer la répartition spatiale de l’onde diffractée.

Schéma de mesures dites multi-statiques :

• • •
•
Inclusions
•
•

• •
Emetteurs/
Récepteurs
• •
• •

45 / 69
L’imagerie par micro-ondes

I Nous sommes dans le régime λ comparable à la taille de l’objet.

I Il est possible de mesurer la répartition spatiale de l’onde diffractée.

Schéma de mesures dites multi-statiques :

• • •
•
Inclusions
•
•

• •
Emetteurs/
Récepteurs
• •
• •

46 / 69
L’imagerie par micro-ondes

I Nous sommes dans le régime λ comparable à la taille de l’objet.

I Il est possible de mesurer la répartition spatiale de l’onde diffractée.

Schéma de mesures dites multi-statiques :

• • •
•
Inclusions
•
•

• •
Emetteurs/
Récepteurs
• •
• •

47 / 69
L’imagerie par micro-ondes

I Nous sommes dans le régime λ comparable à la taille de l’objet.

I Il est possible de mesurer la répartition spatiale de l’onde diffractée.

Schéma de mesures dites multi-statiques :

• • •
•
Inclusions
•
•

• •
Emetteurs/
Récepteurs
• •
• •

48 / 69
L’imagerie par micro-ondes

I Nous sommes dans le régime λ comparable à la taille de l’objet.

I Il est possible de mesurer la répartition spatiale de l’onde diffractée.

Schéma de mesures dites multi-statiques :

• • •
•
Inclusions
•
•

• •
Emetteurs/
Récepteurs
• •
• •

I Le problème inverse est fortement non-linéaire (modèles linéarisés ne

sont pas fiables)
49 / 69
Principe des méthodes d’échantillonnage
Principe :
1. Quadriller le milieu sondé avec des points (échantillonnage).

50 / 69
Principe des méthodes d’échantillonnage
Principe :
1. Quadriller le milieu sondé avec des points (échantillonnage).
2. Evaluer pour chaque point un critère qui indique si le point est à
l’extérieur ou à l’intérieur de l’objet.

51 / 69
Principe des méthodes d’échantillonnage
Principe :
1. Quadriller le milieu sondé avec des points (échantillonnage).
2. Evaluer pour chaque point un critère qui indique si le point est à
l’extérieur ou à l’intérieur de l’objet.

Comment construire ce critère ?

52 / 69
Principe des méthodes d’échantillonnage
Principe :
1. Quadriller le milieu sondé avec des points (échantillonnage).
2. Evaluer pour chaque point un critère qui indique si le point est à
l’extérieur ou à l’intérieur de l’objet.

Exemple de la LSM :
I Certaine combinaison de mesures approche l’onde émise par un
point source si ce point est à l’intérieur des objets.
I Aucune combinaison de mesures ne permet d’approcher de manière
stable l’onde émise par un point source si ce point est à l’extérieur
des objets.
53 / 69
Principe des méthodes d’échantillonnage
Principe :
1. Quadriller le milieu sondé avec des points (échantillonnage).
2. Evaluer pour chaque point un critère qui indique si le point est à
l’extérieur ou à l’intérieur de l’objet.

Avantages/Restrictions:
⊕ Pas besoin de simulateur numérique du problème de diffraction ⇒
méthode très rapide.
Il faut beaucoup de mesures / seule la géométrie est donnée.

54 / 69
Une seule équation

I LSM pour des mesures de champ proche

Z
u s (x, y )gz (x)ds(x) ' Φ(y , z); Critère : G(z) = 1/||gz ||.
Γ

I Plusieurs variantes ont été proposées se différentiant suivant le

choix de l’opérateur de mesure et/ou le calcul de G.

(Linear Sampling Method (Colton-Kirsch, 1996), Factorization

method (Kirsch, 1998), Probe Method (Potthast, 2001),
Reciprocity Gap Sampling Method (Colton-Haddar, 2005), GLSM
(Audibert-Haddar (2013), . . .)

I Contributions principales de DeFI: analyse théorique et numérique

du problème électromagnétique et acoustique (3-D), extension pour
des données multi-harmoniques.

55 / 69
Exemples pour le fun !

Géométrie exacte Reconstruction avec λ = 2

56 / 69
Exemples pour le fun !

Géométrie exacte Reconstruction avec λ = 1.5

57 / 69
Exemples pour le fun !

Géométrie exacte Reconstruction avec λ = 1.0

58 / 69
Exemples pour le fun !

Géométrie exacte Reconstruction avec λ = 0.7

59 / 69
Exemples 3D pour le fun !
En collaboration avec F. Collino et M’B Fares (CERFACS)

Reconstruction avec λ = 0.225

60 / 69
Exemples 3D pour le fun !
En collaboration avec F. Collino et M’B Fares (CERFACS)

Géométrie exacte Reconstruction avec λ = 0.225

61 / 69
Exemples 3D pour le fun !
En collaboration avec F. Collino et M’B Fares (CERFACS)

Géométrie exacte Reconstruction avec λ = 0.112

62 / 69
Exemples 3D pour le fun !
En collaboration avec F. Collino et M’B Fares (CERFACS)

Géométrie exacte Reconstruction avec λ = 0.075

63 / 69
Applications actuelles

I Recherche/Caractérisation de fissures dans du béton.

Thèse de L. Audibert, en collaboration avec EDF R&D .
Problématique : milieux très hétérogène de structure inconnue.

I Recherche de mines enfouis dans des sols secs via un radar héliporté.
Thèse de M. Lakhal FUI project Tandem,
Problématique : les mesures ne sont pas multi-statiques.

64 / 69
Conclure avec un peu de science fiction
Est-ce qu’un objet peut être invisible à toutes les ondes ?

65 / 69
Conclure avec un peu de science fiction
Est-ce qu’un objet peut être invisible à toutes les ondes ?
En théorie oui (Greenleaf et al 2003, Pendry et al 2006) !
Il suffit de l’entourer d’une cape d’invisibilité : couche anisotrope formée
de matériaux bien choisis.

66 / 69
Conclure avec un peu de science fiction
Est-ce qu’un objet peut être invisible à toutes les ondes ?
En théorie oui (Greenleaf et al 2003, Pendry et al 2006) !
Il suffit de l’entourer d’une cape d’invisibilité : couche anisotrope formée
de matériaux bien choisis.

Principe de construction de la cape : Lorsqu’on fait rétrécir l’objet jusqu’à

devenir très petit devant la longueur d’onde, la cape (dilatée) doit avoir
les mêmes propriétés physiques que le vide.
67 / 69
Conclure avec un peu de science fiction
Est-ce qu’un objet peut être invisible à toutes les ondes ?
En théorie oui (Greenleaf et al 2003, Pendry et al 2006) !
Il suffit de l’entourer d’une cape d’invisibilité : couche anisotrope formée
de matériaux bien choisis.
Un des problèmes : les matériaux qui permettent l’invisibilité ne sont pas
physiques.
Par contre ils peuvent être “simulés” par des métamatériaux : agencement
périodique de très petits résonateurs.
⇒ ANR METAMATH

68 / 69
Conclure avec un peu de science fiction
Est-ce qu’un objet peut être invisible à toutes les ondes ?
En théorie oui (Greenleaf et al 2003, Pendry et al 2006) !
Il suffit de l’entourer d’une cape d’invisibilité : couche anisotrope formée
de matériaux bien choisis.
Un des problèmes : les matériaux qui permettent l’invisibilité ne sont pas
physiques.
Par contre ils peuvent être “simulés” par des métamatériaux : agencement
périodique de très petits résonateurs.
⇒ ANR METAMATH

Mais c’est une autre histoire !

69 / 69