Using Surface Spectroscopy to Help Interpret STM Images of Chemisorbed Molecules: Application to the Study of the Hydrogenation of Ketones and a-Ketoesters on Pt

Depuis que la haute énantiopureté est nécessaire dans l’industrie pharmaceutique, les études visant à découvrir les mécanismes pour l’hydrogénation énantiosélective de cétones ou céto-esters sur les surfaces, et à rechercher de nouveaux et plus performants catalyseurs asymétriques, sont d’une grande importance. La microscopie à effet tunnel (STM), la spectroscopie infrarouge de réflexion-absorption, la spectroscopie de désorption à température programmée et la spectrométrie de photoélectrons induits par rayons X sont des méthodes performantes facilitant la compréhension des mécanismes de réaction. En plus de nous permettre de comprendre les mécanismes réactionnels, les études peuvent fournir des informations sur la dynamique des réactions en catalyse hétérogène ainsi que sur le développement de la théorie de la fonctionnelle de la densité (DFT) afin de calculer des interactions faibles dans les processus de surface. D’autres parts, les calculs DFT fournissent une aide essentielle à l’interprétation des données de STM et spectroscopie de surface. Dans cette thèse, certains cétones et céto-esters sur la surface de platine sont étudiées par les techniques sophistiquées mentionnées ci-dessus. Mes études démontrent que la combinaison de l’utilisation de la spectroscopie de routine, des nanotechnologies et de nombreux calculs élaborés, est une méthode efficace pour étudier les réactions à la surface car ces techniques explorent les différents aspects de la surface ainsi que s’entraident mutuellement lors de certaines interprétations.

Authentification biométrique par dynamique de frappe pour évaluation à distance utilisant SVM à une classe

La machine à vecteurs de support à une classe est un algorithme non-supervisé qui est capable d’apprendre une fonction de décision à partir de données d’une seule classe pour la détection d’anomalie. Avec les données d’entraînement d’une seule classe, elle peut identifier si une nouvelle donnée est similaire à l’ensemble d’entraînement. Dans ce mémoire, nous nous intéressons à la reconnaissance de forme de dynamique de frappe par la machine à vecteurs de support à une classe, pour l’authentification d’étudiants dans un système d’évaluation sommative à distance à l’Université Laval. Comme chaque étudiant à l’Université Laval possède un identifiant court, unique qu’il utilise pour tout accès sécurisé aux ressources informatiques, nous avons choisi cette chaîne de caractères comme support à la saisie de dynamique de frappe d’utilisateur pour construire notre propre base de données. Après avoir entraîné un modèle pour chaque étudiant avec ses données de dynamique de frappe, on veut pouvoir l’identifier et éventuellement détecter des imposteurs. Trois méthodes pour la classification ont été testées et discutées. Ainsi, nous avons pu constater les faiblesses de chaque méthode dans ce système. L’évaluation des taux de reconnaissance a permis de mettre en évidence leur dépendance au nombre de signatures ainsi qu’au nombre de caractères utilisés pour construire les signatures. Enfin, nous avons montré qu’il existe des corrélations entre le taux de reconnaissance et la dispersion dans les distributions des caractéristiques des signatures de dynamique de frappe.