Description

DESCRIPTIF DU SUJET DE THÈSE :
La thèse vise à développer un capteur micro-ondes innovant basé sur des métamatériaux, fonctionnalisé chimiquement, pour la détection sélective de composés organiques volatils (COV) et de particules fines (PM₂.₅) dans une perspective exposomique appliquée au vieillissement. Le projet s’inscrit dans le cadre des initiatives HEAP et EXPANSE et le programme Grands défis en science de la durabilité (GDSD) de l’Université de Bordeaux, intégré au projet institutionnel Augmented university for Campus and world Transition (ACT) (PIA3, 2020-2028), en lien avec la surveillance environnementale et la santé des populations âgées.
La méthodologie proposée se déroule en trois volets interdépendants : (1) conception et simulation électromagnétique de structures résonantes (SRR, CSRR, patch fractal) dans la bande X/Ku (8–18 GHz) afin d’optimiser la sensibilité aux variations diélectriques induites par l’adsorption de polluants ; (2) réalisation expérimentale et caractérisation des prototypes PCB, intégration de polymères fonctionnels (HBPEI, polyimides) et calibration multi-paramétrique tenant compte des variations de température et d’humidité ; (3) validation environnementale et corrélations exposomiques à partir de mesures comparatives avec les données d’Atmo Nouvelle-Aquitaine et de capteurs physiologiques simples.
Le projet combine des approches innovantes en métamatériaux et chimie fonctionnelle pour obtenir des capteurs compacts, sensibles et sélectifs, avec un traitement avancé des données par statistiques multivariées et Machine Learning (PCA, PLS, SVM, Random Forest) afin de générer une bibliothèque de signatures électromagnétiques pour plusieurs polluants. Les objectifs scientifiques sont de comprendre les interactions polluant–capteur, caractériser les signatures électromagnétiques, corréler les expositions cumulées aux indicateurs de vieillissement et de stress oxydatif, et proposer un dispositif exploitable pour la surveillance exposomique.
Les moyens à disposition incluent les logiciels HFSS, CST, ADS pour la simulation, des analyseurs de réseau vectoriel, des enceintes climatiques pour tests contrôlés, les polymères fonctionnels fournis par le LCPO, et le Fablab de l’Université de Bordeaux pour la fabrication rapide de prototypes. La collaboration avec Gustave Eiffel apporte l’expertise en traitement de données et Machine Learning. Le doctorant acquerra des compétences en modélisation électromagnétique, intégration de matériaux fonctionnels, instrumentation, calibration et analyse intelligente de données.

Compétences requises

Compétences en Capteurs/RF / micro-ondes : bases solides en électromagnétisme, capteurs ou électronique haute fréquence Modélisation et simulation : intérêt pour des outils à elements finis type HFSS, CST ou équivalents Goût pour l’expérimental : instrumentation, mesures RF, prototypage (PCB) Analyse de données : notions en traitement du signal, statistiques ou Machine Learning

Bibliographie

[1] Pandics, T., Major, D., Fazekas-Pongor, V, Exposome and unhealthy aging: environmental drivers from air pollution
to occupational exposure. Gero Science 45, 3381–3408, 2023. https://doi.org/10.1007/s11357-023-00913-3
[2] Christopher Paul Wild, The exposome: from concept to utility, International Journal of Epidemiology, Volume 41,
Issue 1, 24–32, 2012. https://doi.org/10.1093/ije/dyr236
[3] Ines Martic, Pidder Janson- Durr, Maria Cavinato, Effects of Air Pollution on Cellular Senescence and Skin Aging, 2022.
DOI: 10.3390/cells11142220
[4] Kang, Y., Aye, L., Ngo, T. D., Zhou, J. Performance evaluation of low-cost air quality sensors: A review. Science of the
Total Environment, 818, 1517692022, DOI: 10.1016/j.scitotenv.2021.151769
[5] Srivastava R, S. Kale, Metamaterial Inspired Resonators as Microwave Sensors: A Review. Engineering Science &
Technology, 28, 2023. DOI:10.37256/est.5120242960.
[6] https://heap-exposome.eu, [7] https://expanseproject.eu
[8] Si, M., Xiong, Y., Du. S, Du, K. (2020). Evaluation and calibration of a low-cost particle sensor in ambient conditions
using machine-learning methods. Atmospheric Measurement Techniques, 13(4), 1693-1707.
[9] Ngoune, B. & Al. (2026). HBPEI-Silane-Based Flexible Microwave Sensor for Selective Outdoor CO2 Monitoring on March 24, Sensors and actuators B: Chemical. https://doi.org/10.1016/j.snb.2026.139858

Mots clés

Capteurs RF, Santé environnementale, Exposition aux polluants, Métamatériaux résonants, Calibration multi-paramétrique, Monitoring exposomique