Contact
yarui.zhang [at] ens-paris-saclay.fr (Yarui Zhang)

Yarui Zhang, maîtresse de conférences en traitement du signal à l’ENS Paris-Saclay

Yarui Zhang, maîtresse de conférences en traitement du signal à l’ENS Paris-Saclay
Depuis septembre 2025, Yarui Zhang est maîtresse de conférences au Département d’enseignement et de recherche en Sciences de l’ingénierie électrique et numérique (DER SIEN) de l’ENS Paris-Saclay et membre du laboratoire Systèmes et applications des technologies de l'information et de l'énergie (SATIE).
Elle mène des recherches en imagerie par problèmes inverses, de la modélisation physique et de l’apprentissage automatique.
Ce qui m’attire particulièrement à l’ENS Paris-Saclay, c’est la place accordée au lien entre enseignement, recherche et formation par la recherche, dans un environnement scientifique bénéficiant d’un fort rayonnement international. J’y vois un cadre stimulant pour développer des activités à la fois scientifiques et pédagogiques.

Son parcours

Après une licence en ingénierie électronique et de l'information à l’Université Xidian, en Chine, obtenue en 2018 dans le cadre d’un cursus franco-chinois, Yarui Zhang suit un Master de 2018 à 2019 en « Automatique, traitement du signal et des images » à l’Université Paris-Saclay.
Elle prépare ensuite un doctorat en génie électrique au Laboratoire de Génie électrique et électronique de Paris (GeePs), au sein de CentraleSupélec et de l’Université Paris-Saclay.
En 2022, elle soutient sa thèse intitulée « Imagerie électromagnétique non linéaire : d’algorithmes basés sur les ondelettes préservant la parcimonie à l’apprentissage en profondeur », sous la direction de Marc Lambert, Aurélia Fraysse et Dominique Lesselier.
De 2023 à 2025, elle est chercheuse postdoctorale à Télécom Paris, au sein de la Chaire C2M, consacrée à la modélisation, la caractérisation et la maîtrise des expositions aux ondes électromagnétiques. 

Depuis septembre 2025, elle est maîtresse de conférences à l’ENS Paris-Saclay au DER SIEN, et membre du laboratoire SATIE.

Ses axes de recherche

Les recherches de Yarui Zhang s’articulent aujourd’hui autour de deux axes principaux :

  • l’imagerie par problèmes inverses
  • l’étude de l’exposition aux champs électromagnétiques dans les systèmes de communication sans fil.

Au cours de son doctorat, elle s’est intéressée plus particulièrement à l’imagerie électromagnétique non linéaire, en développant des méthodes fondées sur la régularisation par parcimonie.  Ses travaux ont notamment porté sur l’utilisation des ondelettes pour reconstruire des images électromagnétiques à partir de données limitées, bruitées ou incomplètes. Elle a également exploré l’articulation entre les méthodes classiques d’inversion et les approches d’apprentissage automatique, afin de proposer des algorithmes plus efficaces pour résoudre des problèmes d’imagerie électromagnétique non linéaire.
 
Lors de son postdoctorat à Télécom Paris, ses recherches se sont orientées vers la caractérisation et la surveillance de l’exposition aux champs électromagnétiques générés par les systèmes de communication sans fil. Elle a travaillé sur l’analyse de mesures d’exposition et sur le développement de méthodes d’apprentissage automatique permettant de modéliser et de prédire les niveaux d’exposition dans des environnements réels.

Ses missions à l’ENS Paris-Saclay 

Enseignement 

Elle intervient au Département d’enseignement et de recherche en Sciences de l’ingénierie électrique et numérique (DER SIEN)  dans plusieurs enseignements liés au traitement du signal et contribue également à des enseignements de master à l’Université Paris-Saclay.

Recherche

Au laboratoire "Systèmes et applications des technologies de l'information et de l'énergie" (SATIE), elle souhaite développer des recherches s’appuyant sur des approches multidisciplinaires, à l’interface de l’imagerie, du traitement du signal, de l’électromagnétisme et de l’apprentissage automatique. 
 
« Je souhaite développer des méthodes d’imagerie et de modélisation qui puissent répondre à des besoins concrets, notamment dans le domaine de la santé, en renforçant les liens entre modèles physiques, données expérimentales et méthodes d’apprentissage. »