Informations générales
Entité de rattachement
La Direction des Applications Militaires (DAM) du CEA, au cœur des enjeux de la dissuasion nucléaire Française, cherche ses futurs talents. Organisme inclusif, le CEA est handi-accueillant : nos emplois sont ouverts à toutes et tous. Associer les forces et les compétences de chacun pour atteindre nos objectifs est l'une de nos valeurs partagée par nos 4 600 salariés, répartis sur 5 centres. Les 1 800 salariés du centre de Bruyères-le-Châtel, en Ile de France relèvent les défis scientifiques et technologiques au service de notre Sécurité Nationale. Le centre conçoit les charges nucléaires des armes de la dissuasion, garantit leur sécurité et leur fiabilité en s'appuyant sur le programme simulation. Il met son expertise technique au service des activités dans la lutte contre la prolifération nucléaire, le terrorisme et les alertes en cas de séisme ou de tsunami. Il assure l'ingénierie des infrastructures complexes de la DAM, de leur conception à leur démantèlement. Il co-développe avec Atos les supercalculateurs au meilleur niveau mondial, dont sont issus ceux du Très Grand Centre de Calcul du CEA, qu'il exploite pour ses missions Défense et gère au profit de la recherche. Enfin, il exploite les installations nécessaires au maintien en condition opérationnelle et à la conception des chaufferies nucléaires embarquées sur les sous-marin et les porte-avions.
Venez-vous investir et relever des défis avec des moyens technologiques d'exception!
Référence
2025-38617-S1970
Description du poste
Domaine
Mathématiques, information scientifique, logiciel
Contrat
Stage
Intitulé de l'offre
Stage - Bac+4/+5 - Méthodes de transport par difféomorphismes pour la calibration bayésienne - H/F
Sujet de stage
La quantification des incertitudes au sein des simulations numériques est une étape clé pour la garantie des missions du programme Simulation du CEA DAM. Dans ce cadre, la calibration bayésienne permet de recaler des paramètres de code de simulation pour restituer au mieux des mesures expérimentales élémentaires, tout en permettant une propagation des incertitudes sur les paramètres du code. Ces méthodes ont été largement explorées dans des cadres classiques (codes à sorties vectorielles ou scalaires) mais leur extension à des sorties plus complexes est un sujet de recherche important.
Le but de ce stage est d'étudier les distances sur le groupe des difféomorphismes, qui mesure la déformation spatiale minimale permettant de passer d'un objet A à un objet B. L'objectif serait d'adapter cette métrique dans le cadre d'utilisation de la calibration bayésienne pour pouvoir traiter des sorties fonctionnelles ou images.
Durée du contrat (en mois)
5-6 mois
Description de l'offre
Ce stage relève de l'apprentissage supervisé et des statistiques. Le premier objectif de ce stage est de d'étudier les techniques de transport par difféomorphisme (ou LDDMM pour Large Deformation Diffeomorphism Metric Mapping) qui permettent de comparer des objets complexes (fonctions, images, surfaces, ...). Le but du stage serait ensuite d'adapter ces techniques aux méthodes de calibration bayésienne, pour caler des paramètres physico-numériques dans des codes de simulation avec des sorties de dimension infinie. Les distances LDDMM permettraient de définir une métrique interprétable en termes de déformations spatiales et leur utilisation en inférence bayésienne pourrait permettre de fournir des incertitudes sur les sorties des codes de simulation. Ces outils apparaissent de plus en plus pertinents pour améliorer la maîtrise des incertitudes dans les codes de simulation, en particulier avec l'essor des méthodes ML pour la grande dimension.
Le stage se déroulera en deux parties. Dans un premier temps, le(la) stagiaire se concentrera sur une étude bibliographique des méthodes de transport par difféomorphisme (voir par exemple [1, 2]) et de la calibration bayésienne [3]. Par la suite, il(elle) cherchera à appliquer ces méthodes sur des codes à sorties fonctionnelles ou images. L'application de ces méthodes et leur implémentation numérique demanderont des efforts de recherche notamment sur la robustesse des méthodes, la sélection des hyperparamètres et l'impact des biais de modélisation. Les approches LDDMM sont très étroitement liés aux méthodes de transport optimal [4] qui peuvent également représentées une direction de recherche pertinente pour ce stage.
[1] M. Faisal Beg et al. 'Computing large deformation metric mappings via geodesic flow of diffeomorphisms'
[2] M. Miller et al. 'Geodesic shooting for computational anatomy'
[3] M.C. Kennedy, A. O'Hagan 'Bayesian calibration of computer models'
[4] J. Feydy et al. 'Optimal transport for diffeomorphic registration'
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.
Participant à la protection nationale, une enquête administrative est réalisée pour tous les collaborateurs du CEA afin d'assurer l'intégrité et la sécurité de la nation.
Profil du candidat
Probabilités, statistiques, machine learning, Python
Bac+4/+5
Localisation du poste
Site
DAM Île-de-France
Localisation du poste
France, Ile-de-France
Je me crée un espace candidat
