Missions

Recherche en apprentissage automatique pour les systèmes de prévision océaniques. La prévision des courants océaniques de surface et de leur impact sur les processus de transport lagrangien a de nombreuses applications pratiques, notamment les opérations de recherche et de sauvetage, le suivi des pollutions et la gestion des écosystèmes. En théorie, les océanographes ont une compréhension approfondie de la dynamique et des lois physiques régissant l'évolution des courants océaniques et des processus de transport lagrangien. Cette compréhension théorique est complétée par des observations in-situ et satellite, et des systèmes d'assimilation de données permettent d'estimer et de prévoir les propriétés de la surface de l'océan en temps réel. Cependant, la prise en compte précise des différentes sources d'incertitude dans nos prévisions reste une question ouverte au sein de la communauté.

Dans la pratique, il existe ainsi encore de grandes différences entre nos prédictions et les trajectoires des bouées munies de balises GPS déployées dans l'océan. Les récents développements des modèles génératifs dans la communauté de l'apprentissage automatique (ML) (par exemple, les flux, les VAE et les modèles de diffusion) se sont révélés très prometteurs pour générer des structures complexes. Nous voulons explorer cette classe de modèles dans le contexte de la prévision des états de l'océan pour échantillonner de manière conditionnelle les trajectoires potentielles de l'océan avec des mesures quantitatives de l'incertitude des prédictions.

Nous proposons de construire un cadre conceptuel pour l'utilisation de modèles génératifs qui échantillonnent les états de l'océan pour des applications de prévision océanique. Nous espérons fournir un ensemble d'implémentations de modèles ML génératifs qui sont architecturalement bien adaptés au contexte océanique. Nous évaluerons la crédibilité de leurs prédictions dans le contexte du transport lagrangien, et pour la reconstruction de variables spatio-temporelles bi-dimensionelle comme la hauteur de la surface de la mer, la température de la surface de la mer et la salinité de la surface.

Activités

- Présenter la formulation mathématique du point de vue de la ML dans le contexte des applications décrites ci-dessus
- Concevoir une suite expérimentale adéquate et extensible équipée de simulations pertinentes, de modèles ML et de mesures pour tester les idées
- Documenter et présenter la méthodologie et les résultats par le biais de codes, de présentations et d'articles.

Compétences

- Titulaire d'un doctorat en ingénierie, en informatique ou dans un domaine étroitement connexe.
- Justifier d'un historique de publications en apprentissage automatique et leur application dans le contexte des géosciences.
- Solide expérience de la programmation et de préférence de la conception et de la mise en œuvre de MLOPs.
- Un solide bagage en modélisation générative et de préférence dans le contexte des géosciences sera appréciée.

Contexte de travail

Le chercheur post-doctoral effectuera sa mission au sein du groupe MEOM de l'Institut des Géosciences de l'Environnement (IGE) de Grenoble, et en collaboration avec l'IMT-Atlantique (Brest).

L'Institut des Géosciences de l'Environnement (IGE, http://www.ige-grenoble.fr) est un établissement public de recherche français sous tutelle du CNRS/INSU, de l'IRD, de l'Université Grenoble Alpes (UGA), Grenoble-INP et de l'INRAE. Il rassemble environ 330 personnes dont 190 membres permanents (chercheurs, professeurs associés et titulaires, ingénieurs de recherche), et environ 140 doctorants, chercheurs post-doctorants et personnels en CDD. L'Institut accueille également chaque année plusieurs dizaines de stagiaires et de visiteurs scientifiques. L'Institut est installé sur trois sites du Campus universitaire de Grenoble (sites Molière, OSUG-B, et Maison Climat Planète). L'IGE est l'un des principaux laboratoires de l'Observatoire des Sciences de l'Univers de Grenoble (OSUG) qui est une structure fédérative de l'Institut National des Sciences de l'Univers (INSU) du Centre National de la Recherche Scientifique (CNRS).

Le postdoc recruté travaillera au sein de l'équipe d'océanographie numérique de l'IGE (MEOM, https://meom-group.github.io). Le poste proposé contribuera au projet MeLODy et au projet EDITO Model Lab. Le projet MeLODy vise à établir un lien entre la géophysique et l'apprentissage automatique pour modéliser, simuler et reconstruire la dynamique des océans. Le projet EDITO Model Lab est axé sur le développement d'émulateurs différenciables pour la modélisation et la prévision des océans, qui fourniront des éléments de base pour les jumeaux numériques de l'océan.