UCA

         

CREMANT
 bandeau

Laboratoire
Présentation
Actualités

Recherche
MCSOC
CMA
ISA

Coopérations
Projets/Contrats
UCN@Sophia
MIGA

Equipements
Ressources matérielles et logicielles
RANDOM@SophiaTech2.0


Production scientifique
Publications
Congrès
Sites d'information

Offres - Recrutement
Stages Master Ingénieur
Thèses
Post-Doctorats, CDD

Postes (IGR, EC, etc.)


Contacts
Annuaire LEAT
Annuaire UNS
Plan d'accès





UCN Sophia
meddays
MT180
Fête de la Science
IESF

Sujets de stage MASTER - Ingénieur
Internship Proposal



Antennes-Capteurs miniatures complexes réalisées en impression 3D

Niveau    Etudiants de dernière année d’Ecole d’Ingénieurs ou Master 2
Début du stage    Mars ou Avril 2020
Durée   5-6 mois
Thématique(s)     CMA

Responsable(s)    
Jean-Marc RIBERO (PR UNS), Robert STARAJ (PR UNS)
Contact(s)  jean-marc.ribero@univ-cotedazur.fr, robert.staraj@univ-cotedazur.fr

Lieu(x)   
LEAT, Campus SophiaTech, Bâtiment Forum, 930 Route des Colles, 06903 Sophia Antipolis

Gratification    environ 550 €/mois 
selon la réglementation en vigueur
Financement    LEAT

Contexte
Le domaine des communications connaît une révolution sans précèdent avec l’arrivée de l’Internet des objets qui donne lieu à une nécessité croissante en systèmes de communication, (antennes, circuits, traitements, etc.), avec des exigences de plus en plus fortes notamment :
- La miniaturisation importante des antennes dans les fréquences UHF,
- La connectivité à ajouter à l’objet sans affecter sa fonction première
- Des performances élevées de l’élément rayonnant, malgré des scénarios multiples d’utilisation, et si possible indépendantes de l’environnement.

De plus, la tendance est aux objets communicants souples/flexibles (téléphone, batterie...), tendance qui permet à la fois de s’adapter aux différents supports (vêtements connectés, collier, bracelet, ...) mais aussi d’améliorer la robustesse. Une des solutions à cela est le développement d’antennes basées sur l’impression 3D ou fabrication additive, qui devient progressivement une alternative de fabrication largement utilisée dans l’industrie moderne. Cette technologie peut être utilisée pour fabriquer des composants dont les géométries 3D sont complexes, tout en conservant de bonnes performances, ce qui explique leur succès actuel dans le domine RF.

Développement, objectifs, …
Dans ces travaux, on s’intéressera dans un premier temps à démontrer le potentiel antennaire de la technologie d’impression 3D en ayant pour objectifs :
- L’optimisation du rapport Taille/Efficacité/Bande passante
- Un meilleur volume d’occupation pour une efficacité maximale
A partir de ces résultats, l’étude portera sur l’association des technologies additives et de métaux liquides afin de réaliser des structures antennaires 3D complexes.

Compétences et qualités requises :
• Compétences scolaires en électro-magnétisme
• Des notions ou expérience en antennes miniatures et/ou intégrées serait un plus
• Facilités d’intégration dans une équipe.

Plus d'infos



Réalisation d’un prototype d’une authentification 100% matérielle


Niveau    Etudiants de dernière année d’Ecole d’Ingénieurs ou Master 2
Début du stage    1er Mars 2020
Durée    6 mois
Thématique(s)     MCSOC

Responsable(s)    François VERDIER (PR UNS), Giacomo BENVENUTI (3D Oxydes)
Contact(s)   
francois.verdier@univ-cotedazur.fr

Lieu(x)   
LEAT, Campus SophiaTech, Bâtiment Forum, 930 Route des Colles, 06903 Sophia Antipolis

Gratification    550 €/mois minimum
Financement    LEAT

Contexte
La société 3D Oxydes, basée dans l’Ain, a développé un produit qui, lorsqu’il est imprimé sur des couches minces de silicium, permet à un capteur d’image intégré dans un SoC de lire ce « Tag » et de générer un code d’authentification unique pour une puce. Le dépôt de cette couche mince est parfaitement compatible avec les technologies CMS et pourrait permettre de réaliser relativement facilement un bloc matériel (une IP) de génération de cette authentification.
Le laboratoire LEAT travaille quant à lui depuis de nombreuses années sur des technologies d’informatique embarquée et serait à tout à fait à même de proposer la réalisation d’un prototype de ce système.

Développement, objectifs, …
A partir des connaissances de l’étudiant dans les domaines de l’informatique embarquée, des connaissances sur les architectures Rasperry Pi modèle 3 B+, et des travaux déjà réalisés dans l’entreprise 3D Oxydes, celui-ci aura la responsabilité de développer un prototype opérationnel de la partie capteur d’images + Tag 3D Oxydes + couche des Leds d’éclairage.
Il devra notamment :
-    Faire une étape de bibliographie sur les capteurs photo intégrés aux circuits
-    Comprendre l’électronique des capteurs photos intégrés
-    Comprendre l’électronique des LEDs à raynnement visible
-    Réaliser l’interfaçage d’une carte Raspberry Pi avec le capteur photo et les LEDs
-    Réaliser des tests grandeur nature…

Connaissances requises
Programmation microcontrôleur, C/C++, connaissance des architectures des microprocesseurs, connaissance basique de la consommation des architectures.

Connaissances souhaitées
Linux, couche hardware, communication réseau.

Ce stage pourra éventuellement conduire à une thèse de doctorat

Plus d'infos



Etude expérimentale d’une solution de blockchain avec authentification matérielle

Niveau    Etudiants de dernière année d’Ecole d’Ingénieurs ou Master 2
Début du stage    1er Avril 2020
Durée    6 mois
Thématique(s)     MCSOC
Mots-clefs    Blockchain, authentification, sécurité

Responsable(s)    François VERDIER (PR UNS), Giacomo BENVENUTI (3D Oxydes)
Contact(s)   
francois.verdier@univ-cotedazur.fr

Lieu(x)    LEAT, Campus SophiaTech, Bâtiment Forum, 930 Route des Colles, 06903 Sophia Antipolis
Gratification 550€/mois minimum
Financement    LEAT

Contexte
La société 3D Oxydes, basée dans l’Ain, a développé un produit qui, lorsqu’il est imprimé sur des couches minces de silicium, permet à un capteur d’image intégré dans un SoC de lire ce « Tag » et de générer un code d’authentification unique pour une puce. Le dépôt de cette couche mince est parfaitement compatible avec les technologies CMS et pourrait permettre de réaliser relativement facilement un bloc matériel (une IP) de génération de cette authentification.
Le laboratoire LEAT travaille quant à lui depuis de nombreuses années sur des technologies d’informatique embarquée et particulièrement de solutions d’accès de type blockchain et smart contracts à partir d’IoT.
Une solution totalement matérielle d’authentification et donc  d’identification serait une avancée particulièrement intéressante dans ce domaine.

Développement, objectifs, …
A partir des connaissances de base acquises dans son master 2, l’étudiant.e devra être capable de faire une bibliographie relativement complète des solutions de blockchain avec authentification (notamment des authentification obtenue par les banques dans le cas des crypto-monnaies).

Les objectifs de ce stage seront donc :
-    De faire une étude relativement poussée du brevet de 3D Oxydes
-    Analyser dans quelles conditions cette authentification pourrait être compatible avec les solutions de blockchain
-    Etudier un ou deux cas d’usage de l’utilisation d’une authentification matérielle

Connaissances requises
Programmation microcontrôleur, C/C++, connaissance des architectures des microprocesseurs,  connaissance basique de la consommation des architectures.

Connaissances souhaitées
Linux, couche hardware, communication réseau.

Ce stage pourra éventuellement conduire à une thèse de doctorat

Plus d'infos



Étude comparative des blockchains EOS et IOTA dans le contexte Smart IoT for Mobility

Niveau    Etudiants de dernière année d’Ecole d’Ingénieurs ou Master 2
Début du stage 1er mars ou 1er avril 2020
Durée 6 mois
Thématique(s) MCSOC
Mots-clefs Blockchain, hardware/software, low power

Responsable(s) François VERDIER (PR UNS)
Contact(s) francois.verdier@univ-cotedazur.fr - roland.kromes@univ-cotedazur.fr  

Lieu(x) LEAT, Campus SophiaTech, Bâtiment Forum, 930 Route des Colles, 06903 Sophia Antipolis

Gratification Environ 550 € mensuel
Financement LEAT

Contexte
Les Smart Contracts sont une nouvelle technologie fonctionnant sur des blockchains. La technologie blockchain est un système de registres digitaux, décentralisé, visible et sécurisé, qui permet d’émettre et de sauvegarder des transactions, sans que celles-ci ne puissent subir de modifications une fois enregistrées [1].
Aujourd’hui la technologie blockchain est une des technologies les plus sécurisés du monde. Pour avoir un tel environnement sécurisé cette technologie possède une consommation d’énergie très importante.
Le but de l’équipe MCSOC dans le projet Smart IoT (Internet of Things) for Mobility est de minimiser la consommation d’énergie pour que cette nouvelle technologie puisse être disponible pour les appareils IoT. Actuellement le projet Smart IoT for Mobility se focalise sur le cas d’usage de Renault: lors d'un accident les véhicules envoient des données vers la blockchain ainsi ces données sont traitées par des Smart Contracts dédiés.
Le stagiaire devra  étudier certains types de blockchain, et trouver les limites de cette technologie dans le déploiement dans un réseau de blockchain constitué par des appareils IoT. Le stagiaire effectuera également des mesures de la consommation sur les appareils IoT lors du déploiement d’un réseau blockchain.

Développement, objectifs, …   
  • Étude théorique de différents types de blockchains :
IOTA [2]:
-Étude profonde des règles de consensus et la structure du Tangle
-Étude de la couche Qubic [3] pouvant réaliser des Smart Contracts sur IOTA
EOS [4]:  
-Étude profonde des règles de consensus et de la structure de ce type de blockchain
-Étude des Smart Contracts utilisés par EOS (en C++)
  • Déploiement des réseaux blockchain IOTA avec un réseau Qubic d'une part et EOS d'autre part. Le réseau contient des PCs, des microPCs et des microcontrôleurs (par example Raspberry Pi, i.MX 8M). Trouver les limites et la portabilité sur des appareils IoT.
  • Étude des interactions avec des Smart Contracts sur ces réseaux, création d'une couche d’application qui appelle, affiche et communique avec des Smart Contracts spécifiques correspondant au cas d’usage de Renault.
  • Mesure de la consommation des nœuds simples et des « mineurs » des réseaux sur les appareils IoT.
  • Déploiement d’un système avec l'envoi uniquement des « hash » des données au sein des transactions de blockchain et, en parallèle, ces données seraient envoyées au sein d'une base de données décentralisées (par exemple comme IPFS [5] le suggère).
Connaissances requises
Programmation microcontrôleur, C/C++, (Python est un avantage), connaissance des architectures des microprocesseurs, connaissance basique de la consommation des architectures.

Connaissances souhaitées
Linux, couche hardware, communication réseau.

Références   
[1]  N. Massiera, “Projet Smart IoT for Mobility”, Laboratoire LEAT - UMR CNRS 7248, 2017.
[2]  https://www.iota.org/
[3]  https://qubic.iota.org/
[4]  https://developers.eos.io/
[5]  https://github.com/ipfs

Ce stage pourra éventuellement conduire à une thèse de doctorat

Plus d'infos


Comparative study of EOS and IOTA blockchains int he context of Smart IoT for Mobility

Level Student in a MSc degree in Telecommunication or Electronic Engineering
Starting date 1st of March or 1st of April 2020
Duration 6 months
Team(s) MCSOC
Keywords Blockchain, hardware/software, low power
Supervisor(s)    François VERDIER (PR UNS) 
Contact(s)    francois.verdier@univ-cotedazur.fr and 
roland.kromes@univ-cotedazur.fr

Training Place(s) LEAT, Campus SophiaTech, Bâtiment Forum, 930 Route des Colles, 06903 Sophia Antipolis

Financial reward
Approximately 550€ / month
Funding    LEAT

Context
Smart Contracts is a new technology running on the blockchains. The blockchain technology is a new decentralized, visible and and secured digital register system allowing to send and save transactions. Once the transactions are recorded on the blockchain they cannot be modified anymore [1]. 
Today blockchain technology is one of the most secure technologies in the world. To have such a secure environment this technology has a very high energy consumption. The aim of the MCSOC team in the Smart IoT for Mobility project is to minimize the energy consumption so that this new technology can be available for IoT devices.
Today, the Smart IoT for Mobility project focuses on the use case of Renault: in an accident, the vehicles send data to the blockchain and this data is processed by dedicated Smart Contracts.
The trainee should study certain types of blockchain, and find limits of this technology in the deployment in blockchain network consisting of IoT devices.
In the deployed blockchain network the trainee will also measure the consumption on IoT devices participating in this network.

Summary of the research proposal
  • Theoretical study of different types of blockchains:
IOTA [2]:  
-Deep study of the rules of consensus and the structure of the Tangle
-Study of the Qubic layer [3] that can realize Smart Contracts on IOTA
EOS [4]:  
-Deep study of consensus rules and structure of this type of blockchain
-Study of Smart Contracts used by EOS (in C ++)
  • Deployment of IOTA blockchain networks with a Qubic network on the one hand and EOS on the other hand. The network contains PCs, microPCs and microcontrollers (eg Raspberry Pi, i.MX 8M). Find limits and portability on IoT devices.
  •  Study the interactions with Smart Contracts on these networks, create an application layer that calls, displays and communicates with specific Smart Contracts corresponding to the use case of Renault.
  • IoT devices consumption measurement when the IoT device is a simple node and a "minor" of network.
  • Deploying a system with sending only the hashes of the data within the blockchain transactions and, in parallel, this data would be sent within a decentralized database (for example as IPFS [5] suggests ).
Required Skills   
Microcontroller programming, C / C ++, (Python is an advantage), knowledge of microprocessor architectures, basic knowledge of architecture’s consumption.

Suitable Skills   
Linux, hardware layer, network communication.

References   
[1]  N. Massiera, “Projet Smart IoT for Mobility”, Laboratoire LEAT - UMR CNRS 7248, 2017.
[2]  https://www.iota.org/
[3]  https://qubic.iota.org/
[4]  https://developers.eos.io/
[5]  https://github.com/ipfs


This internship could eventually lead to a Phd thesis

More informations



Robustesse des architectures profondes compressées

Contexte
Les réseaux de neurones artificiels, notamment dans le cadre de l’apprentissage profond [1], sont l’état de l’art dans la plupart des problèmes de l’apprentissage automatique. Du fait qu’ils contiennent un très grand nombre de paramètres entraînables, ils parviennent à capturer des caractéristiques statistiques importantes pour répondre aux tâches données. D’un autre côté, cette dépendance à un très grand nombre de paramètres a deux effets délétères : a) les réseaux sont coûteux à entraîner et à implémenter [2], b) ils ont tendance à capturer des informations spécifiques aux données d’entraînement, les rendant peu robustes à des changements dans les processus d’acquisition des données [9].

Sujet de stage
L’objectif de ce stage de Master est de s’intéresser aux techniques de compression ayant été introduites dans la littérature scientifique ces dernières années, en ayant pour objectif de quantifier leur conséquence sur la robustesse des réseaux entraînés embarqués. Concrètement, des techniques de quantification [3], d’élagage [4], de regroupement [5] ou encore de distillation [6] ont montré qu’il était possible de considérablement réduire la taille des architectures tout en maintenant le niveau de performance.
Nous chercherons donc dans un premier temps dans le cadre de ce stage à évaluer l’impact des techniques de compression sur la robustesse des architectures. Nous nous intéresserons à l’utilisation de ces méthodes la fois pour des réseaux de neurones issues du machine learning et des neurosciences [7]. Ensuite, nous nous attacherons à proposer des techniques de compression ayant pour effet d’augmenter la robustesse. Enfin nous évalurons le coût d’implémentation de ces différentes techniques sur circuit matériel FPGA.
Le stagiaire s’appuiera pour cela sur les générateurs automatiques d’architectures CNN et SNN, disponibles au laboratoire [8].
...

Environnement
Ce stage de Master se déroulera au sein du groupe eBRAIN du laboratoire LEAT du mois de mars à août.
Une rémunération est prévue pour une durée maximale de 6 mois pour une gratification de 529 euros/mois.
Il sera co-encadré par Vincent GRIPON, chargé de recherche à l’IMT Atlantique et chercheur invité au LEAT et Benoît MIRAMOND, professeur des universités au LEAT.

Contact
Pr. Benoît MIRAMOND
eBRAIN Research Group
LEAT Lab, University Cote d’Azur / CNRS 04.89.15.44.39
Campus SophiaTech, Bâtiment Forum, 930 Route des Colles, 06903 Sophia Antipolis
benoit.miramond@univ-cotedazur.fr
...

More informations


Compression and Robustness of artificial neural networks

Context
Artificial neural networks, particularly in the context of deep learning [1], are the state of the art in
most automatic machine learning problems. Because they contain a very large number of driveable
parameters, they are able to capture important statistical characteristics to meet the given tasks. On the
other hand, this dependence on a very large number of parameters has two harmful effects : a) networks
are expensive to train and implement [2], 2) they tend to capture information specific to the training
data, making them less robust to changes in data acquisition processes.

Subject
The objective of this Research project is to focus on compression techniques that have been introduced
in the scientific literature in recent years, with the aim of quantifying their impact on the robustness
of embedded driven networks. Concretely, techniques of quantification[3], pruning[4], grouping[5] or
distillation[6] have shown that it is possible to considerably reduce the size of architectures while maintaining
the level of performance.We will therefore first try to evaluate the impact of compression techniques
on the robustness of architectures as part of this internship. We will be interested in the use of
these methods for both machine learning and neuroscience neural networks[7]. Then, we will focus on
proposing compression techniques that increase robustness. Finally, we will evaluate the cost of implementing
these different techniques on FPGA hardware circuits. The project will rely on the automatic
generators of HW architectures for CNN and SNN, available at the laboratory[8].
...

Environment

The internship will take place in the eBRAIN research group of LEAT laboratory (University Cote d’Azur). The LEAT is located in Sophia-Antipolis, near Nice, France. The duration is 6 months and the
Salary is 529 euros/month.
Profile : machine learning, artificial neural networks, embedded systems, python

The intership will be supervised by Vincent GRIPON (IMT Atlantique) and Pr. Benoît MIRAMOND (University Cote d’Azur).

Contact
Pr. Benoît MIRAMOND
eBRAIN Research Group
LEAT Lab – University Cote d’Azur / CNRS 04.89.15.44.39.
Campus SophiaTech, Bâtiment Forum, 930 Route des Colles, 06903 Sophia Antipolis
benoit.miramond@univ-cotedazur.fr
...

More informations



Brain-inspired feature extraction for embedded image classification


Context
During the last years, Deep Neural Networks (DNNs) have reached the best accuracy in image classification. Nevertheless, such a success is mainly based on supervised and off-line learning. Hence, they require huge labeled datasets for learning, and once the learning is completed, DNNs cannot adapt to any change in the data from the environment.
In the context of the Self-Organizing Machine Architecture (SOMA) project, we follow an interdisciplinary approach (computational neuroscience, machine-learning, digital electronics) to implement online unsupervised learning in Artificial Neural Networks (ANNs) [1]. This internship will focus on adding feature extraction using Self-Organizing Maps (SOMs), a particular model of ANNs inspired from the cortical plasticity of the brain. The goal of the internship is to implement the Convolution and Pooling layers of classical DNNs using the SOM mechanisms, and to compare the performance of the system (accuracy, dynamicity, scalability) with Spiking Neural Networks (SNNs) [2] implemented in SpykeTorch [3].
The feature extraction mechanism will be integrated in a multimodal association framework proposed at LEAT, where the goal is to enhance the overall system's accuracy by fusing different but complementary modalities such as sight and sound.
...

Internship mission
The internship mission will be organized in several periods:
  • Theoretical study of neural networks and neuromorphic engineering in the scientific literature,
  • Propose a model for convolution and pooling layers with unsupervised learning based on SOMs,
  • Experiment the proposed feature extraction neural model with natural images,
  • Integrate the feature extraction into a multimodal association framework developed at LEAT.
Practical informations

Location   LEAT Lab, Sophia Antipolis
Duration   6 months from March/April 2020
Grant  529.20 € / month
Profile  Machine learning, neural networks, embedded systems, sensors/actuators, Python.

Contact(s)
Pr. Benoît MIRAMOND & Lyes KHACEF
eBRAIN Research Group
LEAT Lab – University Cote d’Azur / CNRS 04.89.15.44.39.
Campus SophiaTech, Bâtiment Forum, 930 Route des Colles, 06903 Sophia Antipolis
benoit.miramond@univ-cotedazur.fr
...

More informations



Unsupervised learning in brain-inspired neural networks for multimodal associations

Context
The biological brain is able to perform high performance calculations with a much higher efficiency than our most powerful computers with very low energy consumption.
Several models of artificial neural networks have been proposed in the literature to target unsupervised learning either with spiking or non-spiking neural networks [1-3]. In this project, we are interested in confronting both approaches and study how to combine them. We specifically follow a brain-inspired approach transposing classical classification tasks in a sensor-motor context [1]. The neural models explored and developed during this project will then be validated onto multimodal datasets [4].
...

Internship mission
The internship mission will be organized in several periods:
  • Theoretical study of spiking neural networks and neuromorphic engineering in the scientific literature,
  • Experiments of existing published models onto multimodal datasets,
  • Development of new hybrid models,
  • Experiment and analysis of the quality of the learning,
  • Publication in an international conference.
Practical information

Location : LEAT Lab, Sophia Antipolis
Duration : 6 months from March/April 2020
Grant : 529.20 € / month
Profile : artificial neural networks, spiking neurons, sensors/actuators, robotics, Python

Contact(s)
Pr. Benoît MIRAMOND & Lyes KHACEF
eBRAIN Research Group
LEAT Lab – University Cote d’Azur / CNRS 04.89.15.44.39.
Campus SophiaTech, Bâtiment Forum, 930 Route des Colles, 06903 Sophia Antipolis
benoit.miramond@univ-cotedazur.fr

lyes.khacef@univ-cotedazur.fr
...

More informations



Digital electronic design of a neuromorphic architecture for embedded learning

Context
The biological brain is able to perform high performance calculations with a much higher efficiency than our most powerful computers with very low energy consumption.
The aim of this work is to study the performance and the power consumption of models of artificial neural networks inspired from the behavior of the cortical areas in the brain. These models inherit from the theory of Self-Organizing Maps (SOM) [1] but exhibits natively high computational complexity [2]. The goal will be then to explore distributed implementations of this particular neural network onto embedded devices and hardware programmable devices (FPGA) [3] in order to reach efficient implementation onto autonomous systems. We will specifically focus on it’s application in the domain of multimodal associations in robotic systems to deploy the neural network into the dynamics of a sensory-motor loop [4], on the SCALP board developed in the SOMA project [5].
...

Internship mission
The internship mission will be organized in several periods:
  • Theoretical study of neural networks and neuromorphic engineering in the scientific literature,
  • Design of the hardware architecture supporting distributed implementation of SOM-like models,
  • Experiment and analysis of the complexity of the digital architecture onto a FPGA device target,
  • Validation of the architecture with stimuli coming from multimodal sensors onto a robotic system.
Practical information

Location  LEAT Lab, Sophia Antipolis
Duration  6 months from March/April 2020
Grant  529.20 € / month
Profile  Digital electronics, embedded systems, neural networks, sensors/actuators, robotics, VHDL, Python

Contact
Pr. Benoît MIRAMOND
eBRAIN Research Group
LEAT Lab – University Cote d’Azur / CNRS 04.89.15.44.39.
Campus SophiaTech, Bâtiment Forum, 930 Route des Colles, 06903 Sophia Antipolis
benoit.miramond@univ-cotedazur.fr

...

More informations



Conception d’antenne pour le nanosatellite Nice Cube

Description de l’employeur
L’Université Côte d’Azur (UCA) est une communauté d’universités et d’établissements (COMUE) à vocation Recherche créée en 2015, formée de 13 membres et regroupant plus de 30 000 étudiants.
Elle réunit l’Université Nice Sophia Antipolis, des EPST et d’autres acteurs concourant à la formation supérieure et à la recherche dans le département des Alpes- Maritimes.
Lauréate de l’appel à projet IDEX en 2016 avec le projet UCA JEDI, elle a pour ambition d’accroître la visibilité du site et son rayonnement national et international et de figurer à terme parmi les 10 universités françaises de recherche comparables aux meilleures universités du monde.
Le projet UCA JEDI est piloté par une équipe de direction composée du Président d’Université Côte d’Azur également président de l’IDEX et de 4 Directeurs de Programme (Formation, Recherche, Innovation, International).

Descriptif du poste

Contexte de la mission
Le Centre Spatial Universitaire de la Côte d’Azur (CSU Côte d’Azur) a pour finalité de permettre à des étudiants de mener une partie d’un projet spatial complet - segment sol et satellite.
Le développement portera sur des satellites au format “CubeSat”.
Le CSU Côte d’Azur est hébergé par le laboratoire Lagrange, campus de Valrose, à Nice.

Les « CubeSat » sont des satellites de petite taille (nanosatellites), définis par une unité de base de 10 cm de côté (1U). Ils sont mis en orbite terrestre pour réaliser des expérimentations scientifiques et technologiques. Leur petite taille et le coût réduit de développement permet d’envisager leur réalisation par des étudiants motivés.

Le projet de CubeSat « Nice Cube », d’une taille de 2U, a pour objectif scientifique l’étude des perturbations atmosphériques sur les communications optiques bord-sol, et pour objectif technologique la démonstration de la transmission de données du satellite vers le sol via un lien optique.
Le principe retenu pour la transmission de données par voie optique : un faisceau optique (LASER) est tiré depuis le sol en direction du satellite. Ce faisceau issu du sol est modulé à l’aide d’un rétroréflecteur embarqué sur le satellite pour transmettre des informations numériques, puis retourné vers une station optique sol.
Cela permet notamment de s’affranchir du problème de la puissance disponible à bord du satellite, la source lumineuse étant au sol. L’utilisation d’un rétro-réflecteur dans le satellite permet de réduire les contraintes d’orientation du satellite.

Le CSU Côte d’Azur propose un stage de niveau Master 2 ou école d'ingénieur 4ème ou 5ème
année afin d’effectuer l’analyse système spatiale pour le CubeSat « Nice Cube ».

Les objectifs du stage sont les suivants
  • Faire un état de l’art des antennes intégrées dans un cubesat.
  • Participer aux choix des fréquences utilisées pour la communication terrre-satellite
  • Proposer des topologies d’antennes intégrables dans un cubesat de taille 20*10*10cm3,
  • Prototyper les solutions techniques les plus prometteuses
  • Réaliser les mesures en chambre anéchoïde des maquettes pour valider les performances
L’étudiant(e) travaillera sur les points définis ci-dessus, à l’aide d’études système déjà effectuées par des étudiants précédents. Il/elle utilisera principalement des outils de modélisation électromagnétique (HFSS, CST, etc…).

L’étudiant(e) s’intégrera dans une équipe du CSU Côte d’Azur hébergée dans le bâtiment du laboratoire Lagrange, même si son stage sera réalisé au sein du LEAT. Divers aspects du projet y seront abordés par d’autres étudiant(e)s (système, logiciels de bord, charge utile optique, station de transmission radio sol, etc.). Il/elle interagira aussi avec d’autres acteurs du laboratoire, notamment des ingénieur(e)s, et éventuellement des collaborateurs de laboratoires extérieurs. Les échanges et le travail en équipe sont donc deux aspects importants de ce stage.
Il/elle effectuera éventuellement des communications vers le grand public ou/et vers les scolaires et étudiants.

Profil du candidat / de la candidate

Compétences et qualités requises

-Compétence forte en électro-magnétisme
-Bonnes connaissances de la conception et de la mesure d’antenne. De notions ou expérience en antennes miniatures et/ou intégrées serait un plus
-De notions sur les système de transmission de donnée à grande portée, modules radiofréquences, radio SDR, filtres …
-Maîtrise d'un langage de calcul scientifique (Python, Matlab, Scilab ou autre).
-Notions de gestion de projet.
-Facilités d’intégration dans une équipe.

Conditions particulières
-Le stage se déroulera au Laboratoire LEAT, Campus Sophiatech, 930 routes des Colles, Sophia Antipolis.
-Le/la stagiaire sera encadré(e) par Fabien FERRERO (ferrero@unice.fr), Professeur au LEAT et Robert STARAJ (robert.staraj@unice.fr) Professeur au LEAT.
-Le stage durera 5 à 6 mois et sera indemnisé selon la réglementation en vigueur.
...

Plus d'informations



SafeCluster GdR ISIS
soc sip BioComp
© LEAT Université Nice Sophia Antipolis - CNRS / Mentions légales et Crédits / WebMaster