Informations générales
Intitulé de l'offre : Chercheur postdoctoral en fermeture sous-maille par apprentissage automatique pour les modèles océaniques (H/F)
Référence : UMR5001-ALEVIA-009
Nombre de Postes : 1
Lieu de travail : ST MARTIN D HERES
Date de publication : vendredi 10 mars 2023
Type de contrat : CDD Scientifique
Durée du contrat : 12 mois
Date d'embauche prévue : 1 juin 2023
Quotité de travail : Temps complet
Rémunération : Entre 2805,35 et 3963,98 € bruts mensuels selon expérience
Niveau d'études souhaité : Doctorat
Expérience souhaitée : 1 à 4 années
Section(s) CN : Système Terre : enveloppes superficielles
Missions
La mission générale consiste à mener des travaux de recherche sur l'impact des paramétrisation des tourbillons de méso-échelle basées sur l'apprentissage automatique dans les modèles de circulation océanique. La personne sélectionnée contribuera au projet international M2LINES.
Les tourbillons de méso-échelle sont des processus océaniques essentiels et leurs effets doivent être représentés avec précision dans les composantes océaniques des modèles de climat. Dans ces modèles, la représentation des processus tourbillonnaires de méso-échelle affecte les états moyens simulés, mais aussi leur variabilité et la sensibilité climatique. Pourtant, comme les échelles spatiales des tourbillons de méso-échelle ne sont pas explicitement représentées dans la plupart des composantes océaniques des modèles de climat, leur effet est pris en compte au moyen de paramétrisations sous-maille.
La conception de ces paramétrisations tourbillonnaires pour les modèles océaniques est un domaine de recherche très actif. Avec le développement de l'apprentissage automatique et de ses applications aux simulations numériques, plusieurs paramétrisations tourbillonnaires basées sur l'apprentissage profond ont été proposées (voir Zanna et Bolton 2021). Cependant, à ce jour, il n'y a pas eu d'évaluation systématique de l'impact de ces nouvelles fermetures dans des simulations réalistes à grande échelle. Une question importante est notamment de savoir si leurs performances peuvent être facilement transférées d'un modèle à un autre.
Activités
La personne sélectionnée contribuera à une étude conjointe visant à analyser l'impact de plusieurs paramétrisations tourbillonnaires basées sur l'apprentissage automatique dans différents modèles océaniques dans le cadre du projet international M2LINES. Le travail se concentrera spécifiquement sur le schéma proposé par Guillaumin et Zanna (2021) et son impact dans les modèles de circulation océanique NEMO et MOM6. La personne sélectionnée sera chargée de définir un banc d'essai (protocoles de simulation, métriques d'évaluation) pour évaluer l'impact des fermetures de tourbillons dans le modèle océanique global 1/4° de NEMO (eORCA025). Le travail se concentrera ensuite sur le perfectionnement de l'implémentation du schéma de Guillaumin et Zanna (2021) dans le modèle océanique NEMO et sur la réalisation d'une série d'expériences numériques. Elle analysera ensuite les résultats et contribuera à la comparaison avec les résultats obtenus dans le modèle océanique MOM6.
Le travail sera mené en étroite coordination avec l'équipe MOM6, dans le cadre de la collaboration M2LINES. Une partie importante du travail consiste donc à participer aux activités du projet M2LINES (réunions de groupe, séminaires, etc.). Des visites régulières au LOCEAN à Paris seront également nécessaires. La personne sélectionnée sera en charge de la veille bibliographique sur son sujet, de rédiger des articles scientifiques, de présenter des résultats dans des conférences internationales et aux groupes de travail NEMO concernés (https://forge.nemo-ocean.eu/wgs).
Compétences
La personne sélectionnée sera titulaire d'un doctorat en océanographie physique ou en mécanique des fluides numérique. La sélection sera basée sur les critères scientifiques et techniques suivants :
- Expérience en modélisation océanique (à l'aide de NEMO ou d'autres modèles).
- Bonne compréhension des processus tourbillonnaires océaniques et de leur paramétrisation.
- Expérience de codage en Fortran et Python.
- Expérience de la rédaction scientifique
- Expérience avec l'une des principales bibliothèques d'apprentissage automatique (PyTorch, TensorFlow) (non obligatoire) ;
- Motivation pour la diffusion des résultats scientifiques ;
- Capacité à travailler au sein d'une équipe et dans un contexte international.
Contexte de travail
La personne sélectionnée travaillera à l'Institut des Géosciences de l'Environnement (IGE), à Grenoble. Il s'agit d'un institut de recherche public sous la tutelle du CNRS, de l'IRD, de l'Université Grenoble Alpes, de Grenoble-INP et de l'INRAE. Il rassemble environ 330 personnes, dont 190 membres permanents (chercheurs, enseignants-chercheurs, ingénieurs) et une centaine d'agents contractuels (doctorants, post-docs, ingénieurs et techniciens). L'institut accueille également chaque année plusieurs dizaines de stagiaires et de visiteurs scientifiques. Il est réparti sur trois sites du Campus universitaire de Grenoble distants de 5 minutes les uns des autres. L'IGE est l'un des principaux instituts de l'Observatoire des Sciences de l'Univers de Grenoble (OSUG) qui est une structure fédérative de l'INSU.
La personne sélectionnée rejoindra l'équipe MEOM, qui se concentre sur la modélisation et la prédiction de l'océan et de la glace de mer (voir https://meom-group.github.io), et sera supervisée conjointement par Julien Le Sommer (IGE) et Julie Deshayes (LOCEAN, Paris). Ce travail impliquera de fortes interactions avec les participants du projet M2LINES (https://m2lines.github.io). Les principaux collaborateurs seront Laure Zanna (NYU) et Alistair Adcroft (GFDL).