Lauréat des prix de thèse 2023 de l'école doctorale I-MEP², dans la spécialité 2MGE (Matériaux, Mécanique, Génie civil et Electrochimie).
Merci beaucoup d'avoir accepté l'interview
Version française
Â
Quelles ont été les étapes de votre parcours qui vous ont mené jusqu’à votre doctorat ?
Après avoir obtenu mon baccalauréat scientifique, il était évident pour moi que je voulais entreprendre un doctorat. Depuis mon plus jeune âge, le désir de contribuer, ne serait-ce qu'un peu, à l'avancement de la science m'animait. J'ai donc naturellement intégré l'Université, en commençant par une Licence en Physique Chimie à l'Université de Lorraine, puis en poursuivant avec un Master en Physique co-habilité entre CentraleSupélec et l'Université de Lorraine.
Au cours de ces années d'études, j'ai eu l'opportunité de réaliser plusieurs stages de recherche, aussi bien en physique appliquée que fondamentale. C'est durant ces expériences que j'ai découvert la physique computationnelle et que s'est développé mon intérêt pour ce domaine particulier. Lorsqu'une opportunité de thèse impliquant l'application d'outils d'IA/machine learning à des problématiques spécifiques dans ce domaine s'est présentée, j'ai immédiatement saisi l'occasion. J'anticipais l'impact de ces nouvelles technologies dans les années à venir, non seulement en sciences, mais aussi dans l’ensemble de la société.
Â
En quelques mots, pouvez-vous décrire le contexte et le sujet de votre thèse ?
J'ai effectué mon doctorat de 2019 à 2022 à Grenoble, travaillant au sein du SIMaP (laboratoire de science des matériaux) et du LIG (laboratoire d'informatique) et en collaboration avec l'Institut Fourier (mathématiques). Mon projet de recherche a été financé par l'Institut Multidisciplinaire en Intelligence Artificielle de l'Université Grenoble Alpes (MIAI), qui venait tout juste d'être créé. L'objectif central de ma thèse était l'application d'approches de type machine learning (ou apprentissage automatique) pour analyser d'importantes quantités de données issues de modélisations atomistiques. Ce travail visait à approfondir la compréhension des mécanismes de cristallisation des matériaux et offrir une vision exhaustive de la structure à l'échelle atomique.
Plus spécifiquement, mes recherches se sont focalisées sur l'étude des phénomènes de germination, des processus courants dans la nature et la vie quotidienne, mais revêtant une importance fondamentale, technologique, et sociétale dans de multiples domaines. Étant donné que certains de leurs mécanismes sous-jacents demeurent encore à élucider, j'ai exploré la modélisation atomistique comme une approche possible avec l'idée sous-jacente d'utiliser des outils de machine learning pour révéler des informations qu’il aurait été difficile, voire impossible, de détecter avec des techniques plus conventionnelles.
Â
Quel est votre poste actuel et comment l'expérience de votre doctorat a-t-elle influencé votre rôle professionnel ?
Suite à l'obtention de mon doctorat, j’ai rejoint en 2023 le groupe Hexagon, dans la division Manufacturing Intelligence, au Luxembourg. J’ai intégré une équipe spécialisée en consulting et incubation, focalisée sur la mise en œuvre de solutions numériques avancées dans les domaines des matériaux et de l'ingénierie, avec un accent particulier sur les matériaux composites et polymères avancés. Mon rôle principal consiste à élaborer des preuves de concept fondées sur des outils d'IA/machine learning pour enrichir notre offre client. Bien que la finalité de mon travail diffère de celle de ma thèse, je constate des similitudes frappantes, avec de nouveaux défis à relever et des problèmes à résoudre en permanence. C’est indéniablement ma formation doctorale qui a nourri l’ingéniosité dont je dois faire preuve quotidiennement dans la résolution de ces défis.
Â
Avez-vous un dernier mot à ajouter ?
Je souhaiterais aborder la réalité de l'achèvement d'un doctorat avec lucidité. Il s’agit d’une expérience exceptionnelle et riche à de nombreux égards, apportant avec elle un ensemble de compétences, tant en termes de hard que de soft skills. Cependant, c'est une entreprise exigeante, et le parcours pour y parvenir l'est tout autant. Je ne recommanderais pas à quiconque de s'engager dans cette voie sans une motivation profonde et durable. Il est essentiel d'être conscient des défis inhérents à cette aventure académique, tout en appréciant les opportunités de croissance personnelle et professionnelle qu'elle offre et qui s'étendent bien au-delà de la recherche scientifique.
Â
English version
What were the key stages in your journey that led you to pursue a PhD?
After graduating from high school with a degree in science, it was clear to me that I wanted to pursue a PhD. Since my early childhood, I wanted to contribute, if only a little, to the advancement of science. So it was quite natural for me to go to University, starting with a Bachelor's degree in Physics and Chemistry at the University of Lorraine, and then continuing with a Master's degree in Physics co-accredited by CentraleSupélec and the University of Lorraine.
During these years of study, I had the opportunity to carry out several research internships, in both applied and fundamental physics. It was during these experiences that I discovered computational physics, and that my interest in this particular field developed. When an opportunity arose for a PhD thesis involving the application of AI/machine learning tools to solve specific problems in this field, I immediately seized it. I anticipated the impact of these new technologies in the years to come, not only in science, but in society as a whole.
Â
In a few words, can you describe the context and subject of your PhD?
I did my PhD from 2019 to 2022 in Grenoble, working within SIMaP (Materials Science Laboratory) and LIG (Computer Science Laboratory) and in collaboration with the Fourier Institute (Mathematics). My research project was funded by the Multidisciplinary Institute in Artificial Intelligence (MIAI) of the Grenoble Alps University, which had just been established at the time. The central objective of my PhD was the application of machine learning approaches to analyze large amounts of data generated by atomistic modeling. The aim was to gain a deeper understanding of the crystallization mechanisms of materials and provide a comprehensive overview of the structure at the atomic scale.
More specifically, my research focused on studying nucleation phenomena, common both in nature and everyday life, but of fundamental, technological, and societal importance in many areas. As some of their underlying mechanisms remain to be elucidated, I explored atomistic modeling as an approach, with the underlying idea of using machine learning tools to reveal information that would have been difficult, if not impossible, to detect with more conventional techniques.
Â
What is your current position and how has your PhD experience impacted your professional role?
After completing my PhD thesis, I joined the multinational company Hexagon in 2023 within the Manufacturing Intelligence division in Luxembourg. I became part of a team specializing in consulting and incubation activities, focusing on the implementation of advanced digital solutions in the materials and engineering fields, with a particular emphasis on advanced composite materials and polymers. My main role involves developing proof of concept based on AI/machine learning tools to enhance our customers' offerings. While the purpose of my work differs from that of my PhD, I observe striking similarities, with new challenges to overcome and problems to solve constantly. Undoubtedly, my PhD has fueled the ingenuity I need to tackle these challenges on a daily basis.
Â
Do you have any final words to add?
I would like to address the reality of completing a PhD with lucidity. It is an exceptional and enriching experience in many ways, bringing with it a set of skills, both hard and soft ones. However, it is a demanding undertaking, and the road to getting there is equally challenging. I would not recommend anyone to embark on this path without a deep and abiding motivation. It is essential to be aware of the inherent challenges in this academic adventure while appreciating the opportunities for personal and professional growth that it offers, which
extend far beyond scientific research.