Bruno Figliuzzi

Biographie

Bruno Figliuzzi est un chercheur dont les travaux se situent à l’intersection de la science des matériaux, du traitement du signal et de l’apprentissage automatique. Ses recherches portent principalement sur le développement de méthodes avancées pour l’analyse et la modélisation de microstructures complexes, notamment dans les matériaux industriels comme les aciers, les polymères renforcés ou les revêtements métalliques. Il explore des approches innovantes en imagerie hyperspectrale, en segmentation d’images et en modélisation stochastique pour caractériser des phénomènes physiques tels que la formation d’oxydes sélectifs, la percolation de charges dans les composites ou encore les propriétés électriques de revêtements conducteurs. Ses contributions incluent également des travaux en transport optimal, en généralisation de domaines pour les séries temporelles, et en optimisation bayésienne pour l’identification de paramètres morphologiques. Ses méthodes, souvent validées par des expériences numériques et expérimentales, trouvent des applications dans des secteurs variés, allant de l’aéronautique à la métallurgie, en passant par la détection de défauts industriels.

Publication(s)

2025
Domain Generalization for Time Series: Enhancing Drilling Regression Models for Stick-Slip Index Prediction
2024
Optimal Transport Based Hyperspectral Unmixing for Highly Mixed Observations DOI : 10.1109/WHISPERS65427.2024.10876524
2023
Surface oxides characterization based on hyperspectral observations DOI : 10.1016/j.chemolab.2023.104879
2022
A Supervised Approach for the Detection of Surface Oxides from Hyperspectral Measurements DOI : 10.1109/WHISPERS56178.2022.9955061
2022
Surface Oxide Detection and Characterization Using Sparse Unmixing on Hyperspectral Images DOI : 10.1007/978-3-031-13321-3_26
2022
Characterization of Surface Oxides from Hyperspectral Measurements DOI : 10.1109/WHISPERS56178.2022.9955055
2021
A BAYESIAN APPROACH TO MORPHOLOGICAL MODELS CHARACTERIZATION DOI : 10.5566/IAS.2641
2020
Electrical conductivity of metal-polymer cold spray composite coatings onto carbon fiber-reinforced polymer
2020
Electrical Conductivity of Metal–Polymer Cold Spray Composite Coatings onto Carbon Fiber-Reinforced Polymer DOI : 10.1007/s11666-020-00999-7
2020
Fast macula detection and application to retinal image quality assessment DOI : 10.1016/j.bspc.2019.101567
2019
Fast marching based superpixels generation DOI : 10.1007/978-3-030-20867-7_27
2019
Eikonal-based models of random tessellations DOI : 10.5566/ias.2061
2018
Morphological modeling of cold spray coatings DOI : 10.5566/ias.1894
2018
New parameterizations for Bayesian seismic tomography DOI : 10.1088/1361-6420/aabce7
2017
Function decomposition in main and lesser peaks DOI : 10.1007/978-3-319-57240-6_26
2017
Automatic detection of cracks and delaminations in thermal images
2017
Computational material design of filled rubbers using multi-objective design exploration DOI : 10.1201/9781315223278-85
2017
Hierarchical segmentation based upon multi-resolution approximations and the watershed transform DOI : 10.1007/978-3-319-57240-6_15
2016
Nonlinear electrophoresis in the presence of dielectric decrement DOI : 10.1103/PhysRevE.94.023115
2016
Modelling the microstructure and the viscoelastic behaviour of carbon black filled rubber materials from 3D simulations
2016
A Bayesian approach to linear unmixing in the presence of highly mixed spectra DOI : 10.1007/978-3-319-48680-2_24
2016
Cold spray of metal-polymer composite coatings onto Carbon Fiber-Reinforced Polymer (CFRP)
2015
A Fourier-based numerical homogenization tool for an explosive material DOI : 10.1051/mattech/2015019
2014
Design of capillary flows with functionally graded porous titanium oxide films fabricated by anodization instability DOI : 10.1016/j.jcis.2014.02.032
2014
Nonlinear electrophoresis of ideally polarizable particles DOI : 10.1063/1.4897262
2014
Dielectric decrement effects on nonlinear electrophoresis of ideally polarizable particles
2013
Rise in optimized capillary channels DOI : 10.1017/jfm.2013.373
2012
Rheology of thin films from flow observations DOI : 10.1007/s00348-012-1359-4
2012
Numerical simulation of thin paint film flow DOI : 10.1186/2190-5983-2-1

Enseignements

Traitement du signal

Responsable

L’EC Traitement du signal couvre l’ensemble de l’enseignement lié à l’analyse harmonique, incluant les signaux en temps discret et continu, la convolution, le calcul opérationnel, ainsi que la transformée de Fourier. Ce contenu est présenté de manière à être exploitable dans des contextes variés tels que les mathématiques, les sciences de l’ingénieur et la physique. Le cours établit un lien essentiel entre les fondements mathématiques du traitement du signal (analyse de Fourier, ondelettes, etc.) et les outils pratiques qui en découlent, comme le filtrage et la compression. Ces concepts sont illustrés par des technologies modernes qui en intègrent les principes, offrant ainsi une vision concrète et appliquée des théories abordées. En outre, le cours met en lumière les fortes interconnexions entre le traitement du signal et les autres domaines couverts par l’UE mathématiques appliquées, orientant naturellement les enseignements vers les concepts mathématiques fondamentaux du domaine. Les travaux pratiques, conçus pour illustrer simplement les théorèmes étudiés en cours, renforcent cet apprentissage théorique. Enfin, l’exploration d’applications technologiques récentes permet de donner une perspective actuelle et dynamique aux résultats théoriques présentés. Les heures de travail personnel sont consacrées à des projets sur des sujets qui dépassent le cadre du cours. Parmi les projets récemment proposés figurent l'implémentation d'un algorithme de reconnaissance musicale s'appuyant sur la transformée de Fourier fenêtrée, l'étude des outils de traitement du signal utilisés pour la tomographie ou encore l'application des outils de traitement du signal à un problème de géophysique.

Période d'enseignement d'option (octobre+janvier)

Responsable

Ingénierie digitale des systèmes complexes (IDSC) option

Responsable

Au cours des dix dernières années, l’intelligence artificielle (IA) a profondément transformé le monde industriel en révolutionnant les méthodes de conception, d’optimisation et d’exploitation des systèmes. L’un des aspects les plus marquants de cette évolution réside dans la modélisation numérique des systèmes complexes. Traditionnellement fondée sur des méthodes à fort contenu physique ou multiphysique, elle bénéficie aujourd’hui des avancées en intelligence artificielle, notamment grâce aux algorithmes d’apprentissage automatique et de deep learning. L’option Ingénierie Digitale des Systèmes Complexes de Mines Paris vise à donner à ses étudiants des bases solides et multi-disciplinaires en IA, leur permettant de comprendre en profondeur ses applications et de les mettre en pratique sur des problématiques industrielles. Les disciplines étudiées dans l’option sont : le machine learning et ses applications dans le domaine de l’ingénierie la vision par ordinateur le calcul haute performance L’enseignement de l’option s’articule autour de trois semaines d’enseignements, complétées par deux semaines de Data challenge et une semaine de voyage d’option. Plus d'informations sont disponibles sur la page web de l'option : https://bruno-figliuzzi.github.io/Option/

Direction(s) de thèse(s)

2024 Analyse d'images pour la caractérisation des lithologies ZEGHDOUD Raounek
2023 telecommunication des couches geologiques en utilisant les ondes sismique AKLEH Christina
2023 Résolution de problème inverse par méthodes de Deep Learning appliquées aux images hyperspectrales. DOUTSAS Delphine
2022 Approches Basées sur les Données et la Physique pour l’Estimation du Stick-Slip YAHIA Hana
2021 Modélisation Hémodynamique Avancée et Simulation des Stent à Diversion de Flux dans le Traitement des Anévrismes Intracrâniens JEKEN RICO Pablo
2019 Caractérisation des propriétés physico-chimiques de surfaces d’acier par imagerie hyperspectrale. ZENATI Tarek
2016 Apprentissage artificiel pour la segmentation d'image CHANG Kaiwen
2015 Problèmes de segmentation d'images et contribution à la morphologie mathématique ALAIS Robin