Offre en lien avec l’Action/le Réseau : – — –/– — –
Laboratoire/Entreprise : IRT System X / LIP6 / LIMSI
Durée : 36 mois
Contact : mathelin@limsi.fr
Date limite de publication : 2020-08-30
Contexte :
Au sein de l’Institut de Recherche Technologique SystemX, situé au cœur du campus scientifique de Paris-Saclay, le doctorant sera rattaché à l’axe scientifique « Sciences des données et Interaction ». Ce centre a pour mission de générer de nouvelles connaissances et solutions technologiques en s’appuyant sur les percées de l’ingénierie numérique et de diffuser ses compétences dans tous les secteurs économiques.
Le sujet de thèse a été défini par le consortium réuni dans le cadre du projet « Hybridation Simulation-Apprentissage » (HSA).
Sujet :
La simulation numérique représente aujourd’hui un outil indispensable dans la conception des systèmes physiques, grâce notamment au gain qu’elle permet de réaliser sur le coût global de conception. Ce sujet de thèse se situe au carrefour des méthodes de modélisation de la physique et de celle d’apprentissage automatique. L’objectif est de développer de nouvelles approches permettant l’hybridation des méthodes d’apprentissage statistique avec les méthodes classiques de calcul scientifique, afin de permettre une meilleure prédiction de la simulation tout en réduisant le coût de calcul nécessaire. On se placera dans le cas usuel où on dispose de deux types de données pour représenter un phénomène physique :
• des données qui proviennent d’un, ou de plusieurs, modèle de simulation. Ce modèle peut être peu fidèle à la réalité, mais peu coûteux « en temps de calcul » et donc disponible en nombre très important, ou au contraire coûteux mais relativement fidèle,
• des données qui proviennent des essais réels qui représentent plus « finement » la réalité, mais présentant un coût d’obtention très élevé rendant la taille de ce deuxième type de données très limitée.
Plus de détails dans le document PDF joint.
Profil du candidat :
Étudiant BAC +5 (Ingénieur et/ou Master), dans les domaines Mathématiques appliquées / Informatique / Apprentissage statistique
Formation et compétences requises :
Connaissances et savoir-faire essentiels :
Maîtrise des méthodes d’apprentissage statistique, d’optimisation et de calcul scientifique.
Bonne maîtrise de Python – la connaissance d’une librairie d’apprentissage profond sera un plus certain.
Le goût pour la programmation, les expérimentations numériques, et l’analyse détaillée et en profondeur des résultats de ses expériences est essentiel.
Adresse d’emploi :
La thèse sera inscrite à l’école doctorale STIC de Paris-Saclay. Le poste est basé à l’IRT SystemX – Gif sur Yvette.
La direction de la thèse sera assurée par Patrick Gallinari du Laboratoire d’Informatique de Paris 6 (LIP6) et Lionel Mathelin du Laboratoire d’Informatique pour la Mécanique et les Sciences de l’Ingénieur (LIMSI) à Saclay.
Document attaché : 202006042003_These_Gallinari_Mathelin.pdf