Pause
Lecture
Moteur de recherche d'offres d'emploi CEA

Stage sur la modélisation renforcée par apprentissage


Détail de l'offre

Informations générales

Entité de rattachement

Le Commissariat à l'énergie atomique et aux énergies alternatives (CEA) est un organisme public de recherche.

Acteur majeur de la recherche, du développement et de l'innovation, le CEA intervient dans le cadre de ses quatre missions :
. la défense et la sécurité
. l'énergie nucléaire (fission et fusion)
. la recherche technologique pour l'industrie
. la recherche fondamentale (sciences de la matière et sciences de la vie).

Avec ses 16000 salariés -techniciens, ingénieurs, chercheurs, et personnel en soutien à la recherche- le CEA participe à de nombreux projets de collaboration aux côtés de ses partenaires académiques et industriels.  

Référence

2022-24293  

Description de l'unité

Le CEA-List est un institut de recherche de la Direction de la recherche technologique du CEA (DRT) et a pour mission de développer des innovations à haute valeur ajoutée dans son domaine d'excellence : les systèmes numériques intelligents.
Les programmes de recherche du CEA-List sont centrés sur l'industrie du futur, le jumeau numérique, l'intelligence artificielle et la confiance numérique. L'objectif est de contribuer à la compétitivité des partenaires industriels par l'innovation et le transfert technologique.
Le stage se déroulera au sein du Laboratoire d'ingénierie des langages exécutables et optimisation (LIDEO) du Département Ingénierie Logiciels et Systèmes (DILS) du CEA LIST.
Ce laboratoire développe des méthodes et des outils pour la conception, la simulation et l'analyse de systèmes complexes.

Description du poste

Domaine

Mathématiques, information  scientifique, logiciel

Contrat

Stage

Intitulé de l'offre

Stage sur la modélisation renforcée par apprentissage

Sujet de stage

Génération de modèles comportementaux de systèmes complexes avec apprentissage

Durée du contrat (en mois)

6

Description de l'offre

Parmi les systèmes complexes, on s'intéresse plus particulièrement aux systèmes cyber-physiques dont les comportements sont définis par des dynamiques continues et événementielles qui interagissent. Ces systèmes sont classiquement représentés par le formalisme des automates hybrides, définis par des ensembles d'états et de variables discrètes et continues. Pour les variables continues, des lois d'évolutions peuvent être décrites par des équations différentielles.

Si l’on ne dispose pas d’équations différentielles, il est nécessaire d’établir un modèle qualitatif qui établit les lois d’évolutions sur les variables continues et d’établir des liens de causalité entre elles.

Pour modéliser ces systèmes il est judicieux de disposer d’éléments de langage appropriés qui doivent permettre de représenter les connaissances métiers (mécanique, thermique, hydraulique, informatique…) et les comportements des modèles sous une forme abstraite, ou qualitative.

Pour cela, on peut s’appuyer sur une base de connaissance incluant du raisonnement en s’inspirant des travaux sur les IA symboliques et l’associer avec de l’apprentissage par renforcement pour la rendre capable de s’auto-améliorer par l’expérience. Un telle approche permettrait de combiner raisonnements par déduction et par induction et fournirait un raisonnement de sens commun performant, pour disposer in fine de modèles qualitatifs représentatifs des systèmes.

Une autre possibilité est de générer des modèles par observation en analysant l’ensemble des relations existant entre les variables exogènes (paramètres et variables environnementales) et les variables d’états des systèmes, ce qui permettrait de générer des modèles qualitatifs représentatifs à partir de simples observations.

 

Moyens / Méthodes / Logiciels

simulation, raisonnement qualitatif, apprentissage par renforcement

Profil du candidat

Etudiant(e) master 2 en informatique ou école d’ingénieur

Localisation du poste

Site

Saclay

Localisation du poste

France, Ile-de-France, Essonne (91)

Ville

Palaiseau

Critères candidat

Diplôme préparé

Bac+5 - Master 2

Formation recommandée

Master 2 ou Ecole d'Ingénieur

Possibilité de poursuite en thèse

Oui

Demandeur

Disponibilité du poste

01/03/2023