Informations générales
Entité de rattachement
Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.
Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.
Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.
Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :
• La conscience des responsabilités
• La coopération
• La curiosité
Référence
2023-28224
Description de l'unité
Au sein du DM2S (Département de Modélisation des Systèmes et Structures), et du 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 pilote 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 comme la mécanique des fluides, la neutronique, la mécanique, les matériaux, la chimie, la technico-économique et peut compter sur d'autres compétences disponibles au sein du SGLS (architecture logicielle, techniques HPC, conception assistée par ordinateur) pour aider au mieux et améliorer ses propres performances.
Description du poste
Domaine
Mathématiques, information scientifique, logiciel
Contrat
Post-doctorat
Intitulé de l'offre
Post-doctorat en intelligence artificielle (causalité) pour les lignes de lumière du synchrotron H/F
Sujet de stage
Afin de pouvoir limiter l'impact des anomalies de fonctionnement des grands instruments de rayon X ou laser, il est nécessaire de connaître les relations entre les caractéristiques du faisceau et les paramètres physiques de l'optique des lignes. Pour ce faire, il existe dans la littérature en intelligence artificielle de nombreuses méthodes de détection d'anomalies essentiellement basées sur la corrélation qui est peu efficace pour traduire les relations de cause à effet.
Ce post-doctorat a pour objectif de proposer une méthode générique basée sur les graphes causaux pour la détection expérimentale des anomalies et leur interprétabilité. Il s'agit de trouver les liens causaux simples (un paramètre) et joints (combinaison de paramètres) les plus pertinents pour caractériser les causes d'une anomalie. On s'intéressera également à la quantification de leur incertitude.
Durée du contrat (en mois)
24
Description de l'offre
Au sein du laboratoire LIAD (Laboratoire d'Intelligence Artificielle et de science des Données) appartenant au service SGLS (Service de Génie Logiciel pour la Simulation), vous évoluez dans une équipe spécialisée dans le traitement des incertitudes en simulation numérique. Cette équipe développe des méthodes répondant aux besoins du CEA sur cette thématique 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 au travers du projet DALLIAE dont l'objectif est la Détection d'Anomalies sur les Lignes de Lumière du synchrotron par Intelligence Artificielle Explicable. Il s'agit de développer un modèle basé sur la causalité pour déterminer les paramètres des capteurs impliquant les anomalies. Ainsi, votre travail de recherche s'articulera autour de quatre axes :
- Comprendre et prendre en main les données produites par les lignes de lumière : les paramètres des instruments de mesure et les différents types d'anomalies. Pour se faire, on s'appuiera sur les connaissances des partenaires du projets, experts en physique, en optique et en instrumentation liées aux lignes de lumières.
- Concevoir le modèle d'IA explicable basé sur les graphes causaux explicitant les liens entre les différents paramètres et les anomalies. On s'intéressera en particulier à la détection des variables latentes impactant l'incertitude liée à la détection d'un lien causal, la dimensionnalité des données et aux interactions entre les différentes potentielles causes. Pour ce faire, on pourra se placer dans la cadre des graphes bayésiens causaux.
- Soutenir et participer au travail du LIAD en prenant part aux sollicitations qu'elles soient côté méthodologie incertitude, intelligence artificielle (voire les deux) ;
- Valoriser vos travaux via la rédaction de notes techniques, l’écriture de publications dans des conférences et des journaux consacrés, et la participation aux réunions du projet DALLIAE avec l'ensemble des experts.
Profil du candidat
De profil docteur/e en IA, une expérience est appréciée mais pas obligatoire.
La capacité à travailler en équipe est nécessaire, tout en faisant preuve d'autonomie dans les tâches au quotidien. Les développements en IA avançant rapidement, il est nécessaire que la candidate ou le candidat ait la capacité de renouveler et enrichir ses compétences de manière continue. Enfin, d'excellentes capacités d'expression, orale et écrite, en anglais, vous seront nécessaires pour échanger avec les nombreux partenaires du projet.
Sur le plan scientifique et technique, vous pouvez justifier :
- De solides compétences en machine learning (data science, graphe bayésien) et en statistique,
- Des connaissances et/ou une expérience en recherche de causalité ainsi qu'en quantification d'incertitude sont un plus,
- D’une expérience significative en développement logiciel, s’appuyant idéalement sur la maîtrise d’un langage de prototypage (idéalement Python 3) et sur l’utilisation d’outils de développement et de partage de code tels que Git ou SVN sera également appréciée.
Localisation du poste
Site
Saclay
Localisation du poste
France, Ile-de-France, Essonne (91)
Ville
Gif Sur Yvette
Critères candidat
Langues
Anglais (Courant)
Diplôme préparé
Bac+8 - Doctorat scientifique
Formation recommandée
IA, statistiques, causalité, quantification d'incertitudes
Possibilité de poursuite en thèse
Non
Demandeur
Disponibilité du poste
01/09/2023
Je me crée un espace candidat
