Archives

Indexing and retrieval of visual contents in 3D point clouds at large scale – Application to spatialization

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : LASTIG, IGN / Gustave Eiffel University
Durée : 3 years
Contact : valerie.gouet@ign.fr
Date limite de publication : 2025-10-15

Contexte :
PhD offer
Indexing and retrieval of visual contents in 3D point clouds at large scale – Application to spatialization
LASTIG Lab / IGN and Gustave Eiffel University / Paris great area, France

All the details: https://agape-anr.github.io/docs/annonce_these_loc2D3D-EN.pdf

Sujet :
At a glance

The thesis project focuses on the spatialization of visual contents (both image and video contents) by the exploitation of 3D references at large scale. Without any a priori about geolocation, the problem is tackled by the retrieval of the most similar elements in the geolocalized reference. As visual content, we consider old photographs and footages made available from cultural institutions, and as 3D reference we exploit LiDAR data mapping the French territory, made available at the country scale by the French mapping agency (IGN). This PhD thesis has the ambition to address two challenging scientific problems: on the one hand, the description, matching and indexing of 2D(+t) and 3D data in a multi-date context where the scene has evolved over time, and on the other hand, the fast retrieval in very large volumes of data. The work will be carried out within the framework of the multidisciplinary project AGAPE, which addresses the discoverability and investigation in spatial iconographic heritage, and gathers seven leading partners specialized in visual and multimodal AI, Multimedia and Human-Computer Interaction as well as in Archives, History and Media.

Keywords

Computer Vision, Artificial Intelligence, Indexing and Retrieval, Vision Languages Models, Image analysis, 3D Point Clouds, Big Data, Geolocalization, Cultural Heritage.

Profil du candidat :
How to apply

Before July 14, 2025, please send to both contacts in a single PDF file the following documents: o A detailed CV
o A topic-focused cover letter
o Grades and ranks over the last 3 years of study
o The contact details of 2 referents who can recommend you

Candidatures which do not respect these instructions will not be considered.

Auditions will be conducted during period July 15-23; decision released no later than July 25.

Formation et compétences requises :

Adresse d’emploi :
IGN-ENSG, Université Gustave Eiffel
6-8 Av. Blaise Pascal, 77420 Champs-sur-Marne
FRANCE

Document attaché : 202506021533_annonce_these_loc2D3D-EN.pdf

POST DOC CONCEPTION ET MISE EN PLACE DE SOLUTIONS IA POUR L’OPTIMISATION DES FLUX INDUSTRIELS – H/F

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : ISEN Yncrea Ouest
Durée : 12 mois
Contact : sylvain.lefebvre@isen-ouest.yncrea.fr
Date limite de publication : 2025-06-15

Contexte :
Yncréa Ouest est un Établissement d’Enseignement Supérieur Privé d’Intérêt Général (EESPIG) sous contrat avec le ministère de l’Enseignement Supérieur et de la Recherche. L’Association Yncréa Ouest est membre d’Yncréa, premier pôle privé associatif d’écoles d’ingénieurs en France. Yncréa Ouest gère l’école d’ingénieurs ISEN Yncréa Ouest, implantée sur les villes de Brest, Caen, Nantes, Rennes et Paris (Antony). L’école forme des élèves ingénieurs dans les technologies du numérique et notamment les systèmes numériques embarqués, la robotique, l’énergie, les objets connectés (IoT), l’intelligence artificielle, le big data, l’environnement, le développement durable, les technologies marines et la cybersécurité. Les activités de recherche de l’équipe d’accueil sont centrées essentiellement sur le numérique et ses applications notamment celles dans l’Usine du futur, le campus connecté, le traitement des données et l’Intelligence Artificielle. Plus des détails sont disponibles sur le site de l’ISEN.

Ce contrat se déroule dans le cadre d’une chaire industrielle créée en 2021 entre l’entreprise ACOME, leader européen dans la création des câbles et le L@bISEN, le laboratoire de recherche de l’Institut Supérieur de l’Electronique et du Numérique (ISEN). Ce travail va être effectué par un(e) post-doctorant(e) ou un(e) ingénieur(e) de recherche, sur une période de de 12 mois, encadré(e) par un enseignant-chercheur de l’ISEN Ouest. Plus largement, la personne recrutée bénéficiera du soutien technique de l’équipe de recherche, équipe composée de 5 E/C et 2 ingénieurs.

ACOME – Mortain A la fois leader et spécialiste sur les marchés des réseaux télécoms et infrastructures, des réseaux du bâtiment, de l’automobile et de l’embarqué, ACOME est aujourd’hui le premier Groupe industriel coopératif Français produisant des câbles, des tubes et de la fibre optique sur le territoire national depuis 1932 et la première SCOP de France (Société Coopérative et Participative) avec une forte dynamique internationale et des implantations en Chine, en Afrique du Nord et au Brésil. Plus des détails sont disponibles sur le site d’ACOME.

Pour inciter à la mixité des candidatures sur tous les postes et surtout ceux à forte prédominance féminine ou masculine, l’Association rappelle qu’elle étudie avec la même attention les candidatures féminines et masculines.

Association handi-accueillante, nos postes sont ouverts aux personnes en situation de handicap.

Pour candidater : https://isen.softy.pro/offre/161433-post-doctoral-conception-et-mise-en-place-de-solutions-ia-pour-loptimisation-des-flux-industriels-h-f

Sujet :
En 2019 l’industrie manufacturière était responsable de 19% des déchets non dangereux produits chaque année [1]. A l’ère de la numérisation massive de l’industrie et du développement des technologies d’intelligence artificielle, la mise en place de systèmes et procédures permettant d’automatiser la détection et la correction des défauts de production promet d’impacter significativement les quantités rejetées lors de la production.
La fabrication des câbles combine plusieurs activités complexes de production effectuées par différentes machines dans plusieurs ateliers. L’activité de production de l’entreprise concerne principalement la production de câbles pour différents secteurs industriels et notamment pour le secteur automobile. Il s’agit donc de fabrication de produits en long. Les procédés de fabrication pour ce genre de produits impliquent des flots continus de matières circulant dans et entre les machines. Des changements d’ordre de fabrication, des défauts de qualité des matières premières ou des conditions de production particulières produisent par exemple des produits ne pouvant être commercialisés qui sont alors des sources de coût pour l’entreprise et ont impact environnemental négatif.
Il y a donc un besoin de fournir un outil d’analyse intelligent de plusieurs sources de données sur l’ensemble du processus de production, qui puisse recommander automatiquement aux ingénieurs qualité les paramètres optimaux pour minimiser les déchets.
ACOME et les équipes de l’ISEN ont donc développé un lac de données rassemblant les informations de production et de qualité lors des phases antérieures du projet. L’analyse de ces données est en cours et permettra de faire émerger des recommandations et des outils de suivis appropriés pour les équipes qualité d’ACOME.
Le post doctorant interviendra donc dans le développement de ces outils d’analyse, ce qui pourrait nécessiter la conception de nouvelles approches de recherche, comme : l’analyse de journaux existants et d’identification automatiques des éléments pouvant amener à générer des déchets [1], le développement de méthodes prédictives (IA, Apprentissage Automatique et Profond) pour l’estimation des quantités de déchets. D’autres approches peuvent utiliser des jumeaux numériques [2, 4] et l’apprentissage par renforcement pour virtuellement reproduire les conditions de l’usine et analyser l’impact des variations des paramètres de production. Enfin, les approches visant à optimiser l’ordonnancement des tâches, c’est-à-dire la planification des activités de production, dans le but de minimiser la quantité de déchets produits pourront être explorées [3].

Références :
[1] Duong, L. T., Trave-Massuyes, L., Subias, A., & Roa, N. B. (2021). Assessing product quality from the production process logs. The International Journal of Advanced Manufacturing Technology, 117, 1615-1631.
[2] Howard, D. A., Ma, Z., & Jørgensen, B. N. (2021). Digital Twin Framework for Industrial Production Processes. Energy Informatics, 4(Suppl. 1), P9.
[3] Le Hesran, C., Ladier, A. L., Botta-Genoulaz, V., & Laforest, V. (2019). Operations scheduling for waste minimization: A review. Journal of cleaner production, 206, 211-226.
[4] Botín-Sanabria, D. M., Mihaita, A. S., Peimbert-García, R. E., Ramírez-Moreno, M. A., Ramírez-Mendoza, R. A., & Lozoya-Santos, J. D. J. (2022). Digital twin technology challenges and applications: A comprehensive review. Remote Sensing, 14(6), 1335.

Profil du candidat :
Le candidat devra montrer une solide expertise dans un ou plusieurs des domaines suivants :
– Avoir des prérequis solides en : IA, Statistique, Big Data Analysis, Big Data Science, Machine Learning, Deep Learning, etc.
– Excellente compétence en programmation orientée-objet (Python ou Java, etc.)
– Avoir une expérience dans la proposition, développement, test des modèles de statistique inférentielle, de corrélation, de régression, de classification ou de clustering,
– Maitriser le Français et l’Anglais,
– Mener des recherches de haut-niveau et publier des articles scientifiques dans des conférences et des revues internationales à comité de lecture.

Expériences appréciables :
– Une expérience industrielle,
– Connaissance du SQL.

Formation et compétences requises :

Adresse d’emploi :
Carquefou ou Antony

TPDL 2025 – The 29th International Conference on Theory and Practice of Digital Libraries

Date : 2025-09-23 => 2025-09-26
Lieu : Tampere, Finland

TPDL 2025 – The 29th International Conference on Theory and Practice of Digital Libraries
Call for Demonstration Papers
 
23-26 September 2025 – Tampere, Finland 
 
Submission deadline: June 12, 2025 (AoE)

  Overview

TPDL is an international forum focused on Digital Libraries, Document Analysis/Recognition, and Information Retrieval and their associated technical, practical, and social issues. The conference encompasses the many meanings of the term digital libraries, embracing the whole spectrum of the GLAM (Gallery, Library, Archive, and Museum) community; information access and operational information systems with all manner of digital content; new means of selecting, collecting, organizing, distributing, and accessing digital content; and theoretical models of information media, including document genres and electronic publishing.

Topics

Topics in 2025 include but are not limited to, theories, models, standards, tools, and applications on the following themes:

  • Publishing Science
  • Information Management Science
  • Monitoring and Assessment of Science
  • Knowledge Creation and Dissemination
  • AI and Machine Learning Applications in Digital Libraries
  • Digital Humanities and Cultural Heritage
  • Human-Computer Interaction in Digital Libraries
  • Information Retrieval
  • Retrieval Augmented Generation (RAG) in the context of Digital Libraries
  • Recommender Systems in Digital Libraries
  • Document Analysis and Recognition

Also see the detailed list of topics of the main conference, here: https://tpdl2025.github.io/Calls/researchtrack.html

Important Dates

All deadlines are 23:59 (11:59 pm) in the AoE (Anywhere on Earth) time zone on the date specified.

  • Demonstration paper submission deadline: June 12, 2025
  • Notification of acceptance for demonstration papers: July 13, 2025
  • Camera-ready submission: July 27, 2025

Contribution Types

Demonstration papers (8 pages + unlimited references) present high-quality, original research, applications or tools that are of relevance to the TPDL community. Accepted papers will be published in the conference proceedings. At least one author of each accepted demonstration must register and attend the conference. The Demo Track invites researchers to present their research prototypes and operational systems to the community, receive expert feedback, share insights, and exchange knowledge on the development and implementation of innovative systems. Proposals from startups and industry participants are also welcome.

  • Submissions should clearly define the purpose, scope, and audience of the demo.
  • Each paper should include a section describing the exact demonstration scenarios, which include how the audience will experience the demo, the artifact’s functionalities, user interface and interaction options, etc.
  • All submissions should provide a URL to a live online version of their demo or, alternatively, provide a URL to a video (up to 5 minutes) showcasing the main features of their demo.
  • Demonstrations that make their source code freely available are especially encouraged.

Awards

Springer will sponsor the TPDL 2025 Best Demonstration Paper Award, which will be announced during the TPDL Banquet.

Submission Guidelines

Accepted papers will be published in the conference proceedings. All submissions must be written in English and use the Springer LNCS proceedings templates, either for LaTeX or for Word, see Springer LNCS guidelines: https://www.springer.com/gp/computer-science/lncs/conference-proceedings-guidelines

Every paper must be submitted in PDF format using the CMT online submission system after selecting the TPDL2025 – Demos Track: https://cmt3.research.microsoft.com/TPDL2025.

Failure to comply with the submission guidelines will lead to direct rejection without review.

Demonstration submissions are single-blind. You are not expected to take measures to conceal your identity from reviewers. Authors should note that changes to the author list after the submission deadline are not allowed without permission from the PC Chairs.

In addition, the corresponding author of each accepted paper, acting on behalf of all of the authors of that paper, must complete and sign a Consent-to-Publish form. The corresponding author signing the copyright form should match the corresponding author marked on the paper. Once the paper has been submitted, changes relating to its authorship cannot be made.

Dual Submission Policy

Papers submitted to TPDL 2025 must be substantially different from those previously published, accepted for publication, or currently under review at other venues. Exceptions include:

  • Papers presented or to be presented at conferences or workshops without published proceedings.
  • Papers previously available only as technical reports (e.g., in institutional archives or on preprint platforms like arXiv).

Demonstration Chairs

Liana Ermakova, Université de Bretagne Occidentale, France
Yannis Tzitzikas, University of Crete and FORTH, Greece

Lien direct

Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.

Webinaire mensuel de l’Action Spécifique Numérique INSU

Date : 2025-06-02
Lieu : En distanciel à 14h
format 45+15
Lien zoom :
https://univ-grenoble-alpes-fr.zoom.us/j/98838875999?pwd=eDVaQmp3bmdjMC8rbjJUa2d2c2xBUT09

The Era of Big Data in Radio Astronomy

Jeff Wagg (OCA)

Studying the faintest radio emitting objects in the Universe requires large single-dish telescopes, or multi-element interferometer arrays of either dishes or dipole antennas. The most ambitious of these is the international Square Kilometre Array Observatory (SKAO), consisting of two interferometers in Western Australia and the Karoo desert of South Africa. With a 50 year planned operational window, construction of these telescopes has begun, and is expected to be completed by the end of the decade. The data volume produced will approach an exabyte per year at full operations, necessitating a paradigm shift in the way we calibrate and image our data sets. In advance of the SKAO, pathfinder and precursor telescopes such as MeerKAT, LOFAR2.0, and ASKAP, are already generating large volumes of data and helping us to better prepare for, and understand the challenges.
I will summarize the science cases, design, and expected data processing for the SKAO telescopes. The data processing model incorporates a global SKA Regional Center Network (SRCNet) with nodes hosted by several host countries. In France, we are contributing to this development and I will summarize some of the work and also give a preview for how we expect to support the French community in the future. I will also describe a European Commission funded project called SPECTRUM, which involves researchers and data infrastructure providers from the European radio astronomy and high energy physics community. The ambitious goal of SPECTRUM is to produce a technical blueprint and strategic roadmap for exabyte scale computing in the era of SKAO and upgraded experiments at CERN.

Lien direct

Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.

Espace sonore et temps musical Enjeux philosophiques et musicaux d’une association dialectique

Date : 2025-06-02
Lieu : 60 impasse de la tour de guet
La Beaudelie – Le Saillant
19130 VOUTEZAC

À une quinzaine d’années d’écart paraissaient l’ouvrage de Gisèle Brelet intitulé Le temps musical[1] et le manifeste de Pierre Boulez Penser la musique aujourd’hui, sous-titré, le nouvel espace sonore[2]. Au-delà des débats esthétiques qui ont animé la période de l’après-guerre, la double dialectique de l’espace et du temps, et du son et de la musique fonde sans aucun doute les conceptions esthétiques dans lesquelles nous sommes encore plongés. Mais que nous dit vraiment cet assemblage de concepts ? Il convient d’en interroger à la fois les sources et l’empreinte sur notre présent esthétique.
À travers quelles combinaisons de caractère épistémologique en est-on venu là ? Les progrès de la rationalité scientifique, notamment dans les rapports avec le champ de la perception, ont-ils eu une incidence sur cet appariement de concepts ? Dans le cadre d’un dualisme sans doute problématique, à quel fonctionnement croisé entre une forme d’objectivité reconnue à la spatialité sonore, et une dimension de subjectivité traditionnellement attribuée au temps cela nous renvoie-t-il ?
Relativement à l’espace sonore, Gisèle Brelet met en avant ce qu’elle appelle une « métaphysique immanente de la musique ». Schaeffer a déclaré quant à lui à propos de Varèse qu’il ne s’intéressait qu’à « ce qui tombe dans l’oreille ». En intégrant l’exploration du matériau sonore sous l’angle de la création des composants du son, en tentant de promouvoir une esthétique de formes d’audition créatives, une réflexivité de l’écoute distincte de la perception, en se penchant sur ce que l’oreille entend que lui renvoie un matériau qui vient d’elle (Adorno), n’ouvre-t-on pas la voie à une remise en question de ces polarités dialectiques ? Quelles articulations conceptuelles sont ici en jeu et comment interviennent-elle au creuset des œuvres ? À quels préjugés, en partie venus de la philosophie, échapperions-nous par un regard instruit des nouvelles avancées sur la composition des sons ?
En réunissant philosophes et musiciens autour de ces questions à la fois conceptuelles et sonores-musicales, on aimerait identifier les possibles aveuglements qui retiennent le son d’« entrer en temporalité » ou la musique de « gagner en espace ». À un moment où la nécessité d’une nouvelle prise en compte des « données élémentaires de la conscience » émerge chez les compositeurs, une réflexion sur les catégories primitives d’un art des sons capable de faire musique prend tout son sens. On aurait alors peut-être quelques lumières sur les raisons du malaise touchant l’appréhension de la pratique de la composition et sur les difficultés que peut rencontrer la réception contemporaine de cet art.

Lien direct

Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.

Personalized, Adaptive, and Collaborative Recommender System for Physical Activity to Support Healthy Aging

Offre en lien avec l’Action/le Réseau : – — –/Doctorants

Laboratoire/Entreprise : Hubert Curien Lab (UMR5516, Computer Sciences) & L
Durée : 3 years
Contact : mathias.gery@univ-st-etienne.fr
Date limite de publication : 2025-06-01

Contexte :
See attached document

Sujet :
This PhD project aims to design a personalized recommendation system for physical activity tailored to older adults. The objective is to provide individualized exercise programs based on users’ physical capacities, preferences, environment, and feedback (e.g., perceived exertion, fatigue), ensuring safe progression while improving adherence and the effectiveness of home-based physical activity.
The algorithm will combine personalized, adaptive (evolving over time), and collaborative (learning from users with similar profiles) features. The project is interdisciplinary, at the intersection of computer sciences (AI, recommender systems) and exercise physiology.

Profil du candidat :
See attached document

Formation et compétences requises :
The candidate will preferably hold a Master’s degree (or equivalent) in Computer Science.
Applications from students with a Master in Sports Science (STAPS) and strong skills in programming or algorithms will also be considered.
The candidate is expected to show a strong interest in sport, adapted physical activity, and/or health. French language skills are not mandatory, but the candidate must be willing to learn French. In any case, the ability to communicate in English is required.

Adresse d’emploi :
Hubert Curien Lab
UMR CNRS 5516, campus Manufacture, Saint-Étienne

&

Laboratoire Interuniversitaire de Biologie de la Motricité
Campus Santé, Saint-Étienne

Document attaché : 202505221256_phd_person-age_CNRS.pdf

AFIA – PDIA – Disinformation, Democracy, and AI – June 10 – Paris

Date : 2025-06-10
Lieu : CNAM, Amphithéâtre Gaston Planté,
accès 35, 1er étage,
2 rue Conté
PARIS

Journée PERSPECTIVES et Défis de l’IA de l’AFIA (Association Française pour l’intelligence Artificielle)

« Désinformation, Démocratie et IA »

Le 10 Juin 2025 – 9h – 17h30

Lien pour l’inscription : LIEN
Lieu : CNAM PARIS

Programme

Matin

« Knowledge is Power: Fighting Disinformation with Data and AI » par Ioana Manolescu (Inria, CEDAR)

« If generative AI becomes the mirror, we will end as Narcisse » par David Chavalarias (CNRS, CAMS et EHESS)

« AI Models with Systemic Risks—Manipulation and Disinformation: A Concept at the Crossroads of the AI Act, GDPR, and Digital Services Act » par Juliette Sénéchal (Université de Lille)

Après midi

« Argumentation Perspectives for Better Debates » par Bruno Yun (Université Claude Bernard Lyon 1, LIRIS)

« Computational Social Choice and Democracy » par Jérôme Lang (CNRS, LAMSADE)

« Between surveillance and sousveillance: what balance in a democracy? » par Elia Verdun (Université de Bordeaux, CERCLE)

Présentations courtes de jeunes chercheurs :

« Influence Campaign – The Romanian Example » par Gabriel Ben Zenou (Inria, CEDAR, AMIAD)

« TBA » par Paul Lerner (Sorbonne Université)

Organisateurs
Srdjan Vesic (CRIL CNRS Université d’Artois)
Fatiha Saïs (LISN, Université Paris-Saclay)
Cédric du Mouza (CEDRIC, CNAM)
Nada Mimouni (CEDRIC, CNAM).

Lien direct

Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.

Premier appel à participation APIA 2025 @PFIA2025

Date : 2025-06-30 => 2025-07-01
Lieu : Dijon

Appel à participation APIA 2025
30 juin – 1er juillet, Dijon

La conférence Nationale sur les Applications Pratiques de l’Intelligence Artificielle (APIA), soutenue par le Collège Industriel de l’Association Française pour l’Intelligence Artificielle (AFIA), est un lieu d’échanges entre les chercheurs académiques et les entreprises (industriels, entreprises de services informatiques, startups, …). Elle est hébergée par la Plate-Forme Intelligence Artificielle et se tiendra cette année à Dijon, les 30 juin et 1er juillet.
C’est l’opportunité pour les chercheurs académiques et industriels de partager leurs expériences dans le domaine de l’IA autour de cas concrets, de débattre des différents verrous qu’ils rencontrent et qui restent à résoudre pour démocratiser encore davantage son utilisation, de présenter les méthodes qu’ils mettent en œuvre pour enrichir le potentiel applicatif des modèles et outils de l’IA, et de partager les besoins naissants des entreprises.
Pour cette 11ème édition d’APIA, 20 articles seront présentés, auxquels s’ajouteront les présentations des partenaires de PFIA. Deux sessions communes avec les Rencontres des Jeunes Chercheurs en Intelligence Artificielle mettront à l’honneur les travaux des jeunes chercheurs retenus pour la conférence.

Le programme détaillé est en ligne à l’adresse suivante : https://pfia2025.u-bourgogne.fr/programme/. Les inscriptions au tarif préférentiel sont encore possibles jusqu’au 21 mai (inclus). Plus d’informations : https://pfia2025.u-bourgogne.fr/infos/inscriptions/.

Nous serons ravi.e.s de vous retrouver nombreuses et nombreux à Dijon pour cette conférence que nous espérons riche d’inspirations pour toutes et tous !

Bien à vous,

Nathalie Abadie et Ghislain Atemezing,
pour le comité de programme d’APIA 2025

Lien direct

Notre site web : www.madics.fr
Suivez-nous sur Tweeter : @GDR_MADICS
Pour vous désabonner de la liste, suivre ce lien.

Deep Generative Models of Physical Dynamics: Representation, Generalization, and Multiphysics Learning

Offre en lien avec l’Action/le Réseau : – — –/– — –

Laboratoire/Entreprise : ISIR – Institut des Systèmes Intelligents et de Ro
Durée : 36 mois
Contact : patrick.gallinari@sorbonne-universite.fr
Date limite de publication : 2025-12-31

Contexte :
AI4Science is an emerging research field that investigates the potential of AI methods to advance scientific discovery, particularly through the modeling of complex natural phenomena. This fast-growing area holds the promise of transforming how research is conducted across a broad range of scientific domains. One especially promising application is in modeling complex dynamical systems that arise in fields such as climate science, earth science, biology, and fluid dynamics. A diversity of approaches is currently being developed, but this remains an emerging field with numerous open research challenges in both machine learning and domain-specific modeling.

Generative modeling is transforming machine learning by enabling the synthesis of plausible, high-dimensional data across modalities like text, images, and audio. A similarly profound shift is underway in the sciences, where generative deep learning is being leveraged to model complex physical dynamics governed by partial differential equations (PDEs)—especially in cases where traditional simulations are computationally expensive.

The central goal of the PhD project is to investigate whether deep generative architectures—such as diffusion, flow-matching, or autoregressive transformer-based sequence models—can be designed to simulate, generalize, and interpolate physical dynamics across a wide range of parametric and multiphysics regimes. Building on recent advances in neural surrogate modeling, this research will aim to advance generalizable, cross-physics generative modeling.

Sujet :
RESEARCH OBJECTIVES

The overarching research question is: Can we develop generative models that learn structured, physically grounded representations of dynamical systems—enabling synthesis, adaptation, and generalization across physical regimes and multiphysics settings? It unfolds into several complementary directions:

LATRENT GENERATIVE MODELS FOR PHYSICAL DYNAMICS

The objective is to design generative models—such as diffusion, flow-matching, or autoregressive models—that learn compact and interpretable latent representations of spatiotemporal dynamics governed by PDEs. These models should:

• Capture uncertainty and multimodality in solution trajectories.
• Generalize across parametric variations.

LEARNING ACROSS MULTIPHYSICS SYSTEMS

To enable transfer learning across heterogeneous physics, we will explore shared latent representations across families of PDEs:
• Using encode–process–decode frameworks.
• Applying contrastive or multitask training to uncover reusable physical abstractions.
• Designing models invariant to space/time resolution and units.
This direction builds toward foundation-like models that capture generalizable physics priors across simulation families.

FEW-SHOT and IN-CONTEXT GENERALIZATION TO NEW PHYSICS

To support scientific modeling in data-scarce settings, we will develop methods for few-shot generalization such as:
• Fine-tuning latent priors to new PDE systems using limited examples.
• Exploring meta-learning and prompt-based adaptation techniques (inspired by in-context learning in language models).
• Incorporating known physical constraints into the generative process.
The goal is to enable rapid and physically consistent adaptation to previously unseen dynamics with minimal data and supervision.

Profil du candidat :

Computer science or applied mathematics.
Master degree in computer science or applied mathematics, Engineering school.

Formation et compétences requises :
Good programming skills. Background and experience in machine learning.

Adresse d’emploi :
Sorbonne Université (S.U.), Pierre et Marie Campus in the center of Paris. The candidate will integrate the MLIA team (Machine Learning and Deep Learning for Information Access) at ISIR (Institut des Systèmes Intelligents et de Robotique).

Document attaché : 202505191314_2025-05-01-PhD-Description-Generative-models-Physics.pdf

Projet Post doc

Offre en lien avec l’Action/le Réseau : – — –/Doctorants

Laboratoire/Entreprise : FEMTO ST
Durée : 2 ans
Contact : noura.dridi@ens2m.fr
Date limite de publication : 2025-05-31

Contexte :

Sujet :
Call for application:
Funding:
Project to submit to Bourgogne Franche Comté Region’s ATRACT program in France, before 02/06.
Post doc position for two years.
Contact:
Noura Dridi, noura.dridi@ens2m.fr
Stephane Chretien, stephane.chretien@univ-lyon2.fr
Subject:
In high-stakes fields like healthcare, criminal justice, and finance, reliable decision-making requires not only accurate predictions but also trustworthy uncertainty quantification. Conformal prediction provides valid, model-agnostic prediction sets. However, the impact of these prediction sets on human decision-making quality and trust remains to be explored, particularly in challenging scenarios such as class imbalance, limited data, or distributional shifts.
Mixed effects models (MEMs) offer a powerful way to capture both fixed and random effects, making them ideal for modeling hierarchical structures and real-world variability.
Mixed effects models and uncertainty quantification (UQ) are closely linked, especially in real-world settings where variability arises at multiple hierarchical levels (e.g., individuals, institutions, repeated measurements). They provide a principled framework for modeling structured uncertainty, which is essential for making informed, trustworthy decisions.
By combining MEMs with conformal inference, the project aims to both improve decision quality and trust, and enable more robust, uncertainty-aware decision support across levels of variation.

Profil du candidat :
Admission Requirements:
-Theses defended or to be defended before October outside Bourgogne Franche Comté Region.
-Statistics.
-Machine learning.
-Programming.

Formation et compétences requises :

Adresse d’emploi :
Besançon, France

Document attaché : 202505190652_project.pdf