Post-doc (H/F) : Equilibrium propagation pour le calcul neuromorphique à base de skyrmions magnétiques

Description du Poste

Les Missions

Le projet vise à développer de nouvelles méthodes d’apprentissage pour des dispositifs neuromorphiques fondés sur la dynamique de skyrmions magnétiques. L’objectif principal est d’utiliser l’algorithme d’equilibrium propagation (EqProp) pour concevoir des lois d’apprentissage locales adaptées aux systèmes skyrmioniques, puis de les valider par simulation et de participer à leur implémentation expérimentale.
Le premier objectif sera de formuler et d’étudier des lois d’apprentissage locales compatibles avec la nucléation, la propagation et l’interaction de skyrmions magnétiques dans des nanodispositifs. Le deuxième objectif sera de développer un code de conception inverse combinant simulations micromagnétiques et méthodes d’apprentissage automatique, afin d’optimiser les géométries, matériaux et paramètres de contrôle de dispositifs skyrmioniques. Le troisième objectif sera d’utiliser ce code pour simuler et entraîner des réseaux neuromorphiques à base de skyrmions, puis de contribuer à leur validation expérimentale en collaboration avec les membres de l’équipe.

L'Activité

• Développement de modèles d’apprentissage neuromorphique fondés sur l’algorithme d’equilibrium propagation
• Conception de lois d’apprentissage locales pour des systèmes à skyrmions magnétiques
• Développement d’un code de conception inverse couplant simulations micromagnétiques et apprentissage automatique
• Simulations micromagnétiques de la nucléation, propagation et interaction de skyrmions
• Optimisation de dispositifs skyrmioniques pour le calcul neuromorphique
• Simulations d’apprentissage automatique appliquées à des tâches d’intelligence artificielle
• Analyse des performances, de la robustesse et de l’efficacité énergétique des architectures proposées
• Interaction avec les expérimentateurs pour guider la fabrication et la caractérisation des dispositifs
• Participation à l’implémentation expérimentale des lois d’apprentissage dans des nanodispositifs magnétiques
• Rédaction d’articles scientifiques et présentation des résultats en conférences internationales

Votre Profil

Compétences

• Solide expérience en simulation numérique et/ou modélisation physique
• Expérience ou intérêt marqué pour le nanomagnétisme, la spintronique ou la dynamique de skyrmions magnétiques
• Expertise en apprentissage automatique, optimisation ou apprentissage dans les systèmes physiques. La connaissance de l’algorithme d’Equilibrium Propagation sera très appréciée.
• Très bonne maîtrise de Python
• Expérience avec des bibliothèques de machine learning telles que PyTorch, JAX, TensorFlow ou équivalent
• Connaissance des simulations micromagnétiques
• Intérêt pour les méthodes de conception inverse, d’optimisation différentiable ou de calcul neuromorphique
• Capacité à développer du code scientifique robuste, documenté et réutilisable
• Goût pour le travail à l’interface entre théorie, simulation numérique et expérience
• Une expérience en fabrication ou caractérisation de nanodispositifs magnétiques sera appréciée, mais n’est pas indispensable

Votre Environnement de Travail

Les travaux seront réalisés au Laboratoire Albert Fert, dans l'équipe "Physique Neuromorphique" explorant l'utilisation des nanodispositifs et leurs multiples fonctionnalités pour le calcul bio-inspiré. L’équipe comprend deux chercheuses CNRS permanentes, deux chercheurs Thales, 4 post-doctorants et 4 doctorants.

Contraintes et risques

NA

Rémunération et avantages

Rémunération

entre 3131,32 et 4341,70 € brut mensuel suivant expérience de recherche

Congés et RTT annuels

44 jours

Pratique et Indemnisation du TT

Pratique et indemnisation du TT

Transport

Prise en charge à 75% du coût et forfait mobilité durable jusqu’à 300€

À propos de l’offre

À propos du CNRS

Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d’associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement.

Le CNRS

Les métiers de la recherche