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

Laboratoire/Entreprise : INRAE
Durée : fonctionnaire
Contact : simon.de-givry@inrae.fr
Date limite de publication : 2024-03-30

Contexte :
https://jobs.inrae.fr/concours/concours-externes-ingenieurs-cadres-techniciens-h-f/ir24-mathnum-3

L’unité “Mathématiques et Informatique Appliquées Toulouse” (MIAT) a pour mission de développer des méthodes mathématiques et/ou informatiques pour résoudre des problèmes identifiés avec nos collaborateurs biologistes et agronomes. L’unité est composée de deux équipes, SaAB et SCIDYN, et de deux plateformes, la plateforme GENOTOUL-bioinfo et la plateforme RECORD.
Vous serez accueilli-e au sein de l’équipe Statistiques et Algorithmique pour la Biologie (SaAB).
Une partie importante de l’activité de l’équipe SaAB est menée en intelligence artificielle (IA) pour les sciences du vivant. L’équipe SaAB est composée de 10 personnes (DR, CR, IR et IE). Sur la thématique de l’IA, l’équipe SaAB mène des travaux en optimisation discrète (dans les modèles graphiques) et programmation par contraintes depuis plus de vingt ans. Elle intègre ses travaux dans la plateforme open-source toulbar2. Plus récemment, elle développe des travaux hybrides à l’interface de l’optimisation et du machine learning, notamment avec l’arrivée d’une CR en 2018 et commence à investir le thème des réseaux de neurones profonds.
L’équipe collabore en IA au niveau régional (Institut d’Intelligence Artificielle de Toulouse, Université Paul Sabatier, CNRS), national (MIA Paris, Universités de Caen, Marseille et Montpellier et Télécom Paris) et international (Universités de Aalto, Barcelone, Cork, Heidelberg, Hong-Kong et Prague). Les fruits de ses travaux en IA sont appliqués en génétique (unité GenPhySE), en métabolomique (Télécom Paris, Université de Aalto, INRIA), en réseaux de gènes (unité LIPME) et en design de protéines (Toulouse Biotechnology Institute, Duke University, KU Leuven). Par le passé, des applications en agronomie (planification/conception, SCIDYN, unité Écodéveloppement) ont également été abordées.

Sujet :
Pour les applications d’intérêt, vous aurez le rôle de responsable opérationnel-le et d’interface avec nos partenaires. Vous aurez en charge la mise en oeuvre de la modélisation, des méthodes et leurs expérimentations pour permettre aux chercheurs de l’équipe d’apporter de manière plus efficace leur expertise sur les questions finalisées et continuer à développer la méthodologie.
Vous interviendrez de façon plus spécifique en appui au développement de code en IA. Notamment, le code source de toulbar2 est en C++ pour des raisons d’efficacité et une interface (ou package) en Python est ajoutée pour faciliter la réutilisation du programme. Vous développerez des solutions pour l’optimisation de code et la parallélisation (GPU). Vous contribuerez à pérenniser les résultats des travaux de recherche de l’équipe et à avoir une science ouverte avec la diffusion de logiciels libres de qualité, performants, extensibles et fédérateurs. La maîtrise des outils d’intégration et de livraison continue (CI/CD) doit vous permettre d’y contribuer.

Profil du candidat :
Des connaissances approfondies en algorithmique sont indispensables. Vous avez de bonnes notions sur au moins l’un des domaines IA de l’équipe (Recherche Opérationnelle (RO) / programmation par contraintes ou apprentissage automatique / réseau de neurones).
Pour assurer vos missions, vous avez des compétences avérées en développement logiciel, notamment avec le langage de programmation C++. Une expérience d’une API GPU type CUDA/OpenCL serait appréciée. Idéalement, vous avez déjà démontré votre capacité à concevoir des logiciels diffusables via CI/CD (gitlab, github,…).
Enfin, vous avez des qualités relationnelles affirmées pour travailler en équipe, une rigueur scientifique, de solides facultés d’organisation, de bonnes compétences pédagogiques et la capacité à vous adapter. Des qualités rédactionnelles en anglais sont indispensables.

Formation et compétences requises :
Master, diplôme d’études approfondies, diplôme d’études supérieures spécialisées, diplôme d’ingénieur.

Adresse d’emploi :
INRAE, MIAT, Chemin de Borderouge, 31326 Castanet Tolosan cedex

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

Laboratoire/Entreprise : IMCCE/Paris observatory
Durée : 2years
Contact : daniel.hestroffer@obspm.fr
Date limite de publication : 2024-03-31

Contexte :
The study of asteroids is fundamental both for our understanding of the formation of the Solar System, or the supply of water and origin of life on a planet, and for the prediction of Earth impacts. Knowledge of the structure of small bodies (from a few meters to several hundreds of km) is an important element. Indeed the mass, the density, and the internal structure of the small bodies are as many key factors to understand their formation, and diversity, and tracing the origins of planetary systems in general. Moreover, making the link between the internal structure of small bodies and their external shape is the next major challenge in the field.

Nanosatellites or cubesats offer a new opportunity to perform gravity field determinations that we are developing within the BIRDY project. These local relative techniques and measurements show an innovative aspect for this type of interplanetary missions. In particular, we want to study the radio-science and POD precise orbit determination technique, considering and exploiting all the possibilities offered by inter-satellites links (ISL) radio links between one or more nanosatellites. This, in order to derive the lower order of the gravitational potential, mass, bulk density, mass distribution, etc. Our study will develop the concept of radio/optical measurements through inter-satellite links, within the BIRDY project, in the event of a reconnaissance mission (planetary defence, fly-by) or an exploration mission (planetary science, rendez-vous).

Moreover, the next challenge we want to tackle is to relate the external morphology of small bodies – modelled as gravitational aggregates – to their internal structure. We will develop in particular machine-learning ANN/PINN methodologies for inverse problems in the determination of gravity fields and tomography, as well as the modelling of the internal structure of gravitational aggregates with SSDEM numerical methods.

Sujet :
Three research axis will be covered with this post-doc work:
-Develop precise orbit determination process to probe the gravity field through ISL (radio/optical). Analyse a space mission to asteroid Aophis close encounter in 2029. Derive an optimisation analysis for the measurements and nanosatellites configuration, assess the need for complementary ground-based measurements. Validate the approach with our RF-test bench deployed at CENSUS.
-Develop a gravity-and-tomography global inversion algorithm, using artificial neural networks, to derive the internal structure of small bodies. This will be done by combining complementary radio-science (gravity) and LFR radar (tomography) observations.
-Model granular systems using SSDEM numerical simulations, to provide a link between the external morphology of a body with it’s modelled interior.

The work will be performed at Paris observatory within IMCCE and CENSUS space centre. The methodology will be applied to several targets of interest, and in particular to the HERA mission from ESA.

References
Izzo & Gomez 2022 Commun. Eng. 1, 48 https://doi.org/10.1038/s44172-022-00050-3
Martin et al. 2002 CMDA 134, 46 https://doi.org/10.1007/s10569-022-10101-8
Hestroffer et al. 2021 7thPDC, #149 https://ui.adsabs.harvard.edu/abs/2021plde.confE.149H/abstract
Hestroffer et al. 2019, AARv 27, 6 https://doi.org/10.1007/s00159-019-0117-5

Profil du candidat :
– PhD in computer science, machine learning, mathematics, A&A, data scientist, or equivalent
– Experience in neural networks and regression
– Strong skills in programming and numerical computations
– Excellent written and verbal communication in English

Formation et compétences requises :
– Advanced skills in data analysis and the use of statistical software.
– Very good understanding of Machine Learning theory and techniques
– Strong experience with machine learning methods (ANN, PINN, …) for regression and inverse problems.
– knowledge of gravitational field representation, and precise orbit determination appreciated
– knowledge of SSDEM numerical computations for granular systems is a plus

Adresse d’emploi :
Paris observatory
77 av. Denfert-Rochereau
75014 Paris