Ce stage porte sur l’apprentissage contrastif de dynamiques latentes identifiables pour la surveillance des équipements de radiothérapie. La problématique centrale consiste à identifier de manière unique les facteurs latents (variables cachées décrivant l’état d’un système) et les mécanismes dynamiques qui gouvernent leur évolution, à partir de séries temporelles non annotées. L’enjeu est de remplacer des hypothèses distributionnelles explicites par des relations temporelles entre états ou transitions observés, afin de garantir l’identifiabilité de l’espace latent (éviter les ambiguïtés de représentation) et de faciliter son interprétation.
Le travail s’appuiera sur une variante contrastive du modèle CANDELA (développé par les encadrants), combinant apprentissage non supervisé et structuration causale, avec pour objectif de caractériser les conditions théoriques permettant une identification robuste, tout en validant l’approche sur des données synthétiques et réelles (machines de radiothérapie TomoTherapy). Les applications visent le diagnostic, la détection d’anomalies et le pronostic en Prognostics and Health Management (PHM).

• Niveaux d’étude
• Stage Bac+5