CDI Ingénieur⋅e-chercheur⋅e⋅ en Intelligence Artificielle et Analyse de données H/F

Description de la Direction

Le DM2S développe des outils de simulation pour la conception et l'évaluation de systèmes dans les disciplines de base du nucléaire, i.e. thermohydraulique, thermomécanique et neutronique, toutes filières confondues. Il s'appuie pour cela sur des essais et des plateformes logicielles, développées en interne ou en partenariat. Il les met en œuvre dans le cadre d'études, notamment dans les domaines de la physique des réacteurs, de la tenue mécanique et de l'intégrité des structures des installations nucléaires sous sollicitations et de la conception de systèmes de nouvelle génération.

Description de l'unité

Au sein du DM2S (Département de Modélisation des Systèmes et Structures), SGLS (Service de Génie Logiciel pour la Simulation), le LIAD (Laboratoire d'Intelligence Artificielle et de science des Données) réalise et maintient une plateforme générique, pérenne et open source pour fournir aux physiciens des méthodes et outils leur permettant d'améliorer leurs modèles, d'optimiser leurs conceptions et de traiter les incertitudes de leurs études : la plateforme URANIE.
URANIE permet, dans l'approche VVQI (Validation, Vérification et Quantification d'Incertitude), de créer des plans d'expériences adaptés aux besoins d'une analyse de sensibilité, d'un problème d'optimisation ou de la génération d'une base d'apprentissage ou de test pour un modèle de substitution. Une fois la stratégie choisie, URANIE permet de piloter le lancement des codes ou fonctions de manière séquentielle ou avec différentes approches de parallélisation.
Avec cette plateforme et les outils open source d'intelligence artificielle (TensorFlow, PyTorch, Scikit Learn...), le LIAD vient en soutien d'un grand nombre d'unités du CEA et de ses partenaires, dans des domaines commes la mécanique des fluides, la neutronique, la mécanique, les matériaux, la chimie, la technico-économique... Les membres du LIAD peuvent aussi compter sur la synergie du SGLS pour mettre à profit d'autres compétences (architecture logicielle, techniques HPC, conception assistée par ordinateur) pour aider au mieux ses utilisateurs.

Description de l'offre

Au sein du laboratoire LIAD (Laboratoire d'Intelligence Artificielle et de science des Données), vous évoluez dans une équipe spécialisée dans l’apprentissage statistique et la modélisation probabiliste des incertitudes en simulation numérique.

 

Cette équipe étudie et développe des méthodes répondant aux besoins du CEA sur ces thématiques et assure parallèlement leur implémentation dans la plateforme logicielle Uranie qui met à disposition les nouvelles fonctionnalités aux utilisateurs métiers.

Vous contribuez au renforcement de ces activités, particulièrement pour le soutien aux développement des réacteurs de quatrième génération, au travers des missions suivantes :

- Maitrise des méthodes d’apprentissage machine en mode supervisé et non supervisé ;

- Quantification des incertitudes de codes de calculs multi physiques, analyse de sensibilité 

- Mise en œuvre de ces méthodes pour compléter les modélisations physiques dans les outils de calcul scientifique (modèles phénoménologiques, remontées d’échelles) et à la construction de méta-modèles ;

- Etudier et développer des méthodes pour rendre les modèles "robustes" à des attaques intentionnelles ou non (adversarial learning, régularisation de type Lipschitz des modèles) ;

- Etudier et développer les méthodes liées à la génération de données telles que les GAN (Generative Adversial Network), les VAE (variational auto-encoders), les normalizing flows, les modèles de diffusion... ;

- Déploiement de ces méthodes aux analyses et à l’interprétation de données complexes : images et champs (vitesse, pression, …) statiques ou temporels ;

- Mise en œuvre de ces méthodes en s’appuyant sur les librairies classiques du domaine : TensorFlow, PyTorch, JAX, Scikit-Learn...

- Valorisation de ces travaux via des formations, des collaborations en interne CEA avec d’autres Directions (DRF, DRT, DAM), en externe avec nos partenaires industriels (EdF, Framatome) et avec le monde académique (CMLA, LIMSI, projets ANR), des publications, et la participation à des conférences nationales et internationales.

Profil du candidat

PARLONS DE VOUS !

 

Vous disposez d’un Bac+5 à Bac+8 en probabilités, statistiques, mathématiques appliquées , idéalement avec une première expérience professionnelle de 1 à 2 ans.

 

Une expérience de travail dans le domaine de l’énergie est un plus.

 

Vous possédez de solides compétences en :

 

- Python,

- TensorFlow,

- PyTorch,

- JAX,  

- Les OS Linux (et Windows),

- La plateforme Uranie

Nous recherchons une personne rigoureuse, curieuse et qui saura aussi faire preuve d’autonomie.

 

Votre esprit d’équipe sera aussi essentiel pour collaborer avec des interlocuteurs aux profils variés.

 

Fluency in English required.

 

Une bonne capacité d’adaptation, ainsi qu’une volonté d’apprendre et de développer continuellement ses compétences, seront également appréciées.

 

« Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes handicapées, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation pour l’inclusion des travailleurs handicapés »