Les données produites massivement par les super-calculateurs du CEA-DAM, issues de la simulation numérique, permettent de construire des modèles de réseaux de neurones, qui ensuitent peuvent être utilisés dans un contexte de simulation (comme accélérateur, ou pour coupler des physiques différentes) ou dans un contexte expérimental (inférence de données). Ces dernières années, de nombreux modèles ont ainsi été construits, sur des données variées (spectres, images, sigaux temporels), dans des problèmes variés (calcul d'opacités pour l'interaction rayonnement-matière, de coefficients de diffusion pour les électrons de la magnétosphère, modélisation de la turbulence et images radiographiques pour la Fusion par Confinement Inertiel), avec des architectures de réseaux de neurones variées (convolutionnels, auto-encodeurs, hybrides).
L'objectif de ce stage est, pour chacun des problèmes cités, partant des données et du modèle construit, de faire l'état de l'art des méthodes les plus adaptées, et d'améliorer les architectures existantes.

Bac+5