Vous serez accueilli·e au sein de l’IRESNE, institut de la DES, où vous intégrerez l’équipe du laboratoire et participerez pleinement à ses activités.

Objectifs du stage :

• Analyser les architectures de réseaux de neurones actuellement utilisées dans les outils de scénario et identifier leurs limites (précision, domaine de validité, coût d'entraînement).

• Proposer, développer et évaluer de nouvelles architectures afin d'améliorer la précision des prédictions.

• Intégrer l'architecture retenue dans l'outil de scénario du laboratoire et valider son comportement sur des cas d'étude représentatifs.

• Selon l'avancement, mener une étude d'optimisation  des paramètres de conception des RNR sous contraintes techniques et de cycle, en s'appuyant sur les nouveaux métamodèles.

Déroulement indicatif

• Prise en main des outils de scénario et des bases de données d'apprentissage existantes

• État de l'art de nouvelles architectures de réseaux de neurones

• Comparaison des performances et sélection

• Intégration dans l'outil de scénario (C++) et validation

• Étude d'optimisation (si le temps le permet) et rédaction du rapport

Étudiant(e) en master (M1 ou M2) ou en avant-dernière ou dernière année d'école d'ingénieur, en data science, mathématiques appliquées, génie nucléaire ou physique.

• Solides compétences en data science
•  Bonne maîtrise de Python (bibliothèques type PyTorch / TensorFlow / scikit-learn
  appréciées)
• Connaissances en C++
• Notions d'optimisation mathématique
• Goût pour le développement logiciel et le travail en équipe
• Des connaissances en physique des réacteurs ou en cycle du combustible sont un plus, mais ne sont pas indispensables

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