Théo SANTOS - Prix de these en Géophysique CNFGG 2026

Comment imager l'intérieur de la Terre à partir de signaux sismiques ? Comment corriger le flou des images astrophysiques causé par l'atmosphère terrestre ?
Ces questions ont été au coeur de ma thèse. Elles relèvent d'une même approche : les problèmes inverses, consistant à estimer un modèle (de la Terre / d'un objet astrophysique) à partir d'observations (les signaux sismiques / une image dégradée). J'ai développé une méthode basée sur un réseau de neurones génératif, un modèle d'IA capable de générer des images similaires à des images d'entraînement. Entraîné à produire des structures réalistes, il est ensuite utilisé pour décrire les modèles dans la résolution du problème inverse. J'ai démontré le potentiel de la méthode et ses avantages (contrainte implicite à des solutions physiquement plausibles, rapidité d'exécution, peu de paramètres...) sur des données synthétiques dans deux contextes : 
- l'imagerie fine du manteau terrestre à partir d'images de tomographie sismique à grandes échelles
- la modélisation de la réponse instrumentale d'un télescope pour le défloutage d'images de systèmes stellaires.