En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR5001-ALEVIA-026 - Chercheur post-doctoral en émulation neural de modèles de circulation océanique (H/F)

Chercheur post-doctoral en émulation neural de modèles de circulation océanique (H/F)

Cette offre est disponible dans les langues suivantes :
- Français-- Anglais

Date Limite Candidature : jeudi 16 mai 2024

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler

Informations générales

Intitulé de l'offre : Chercheur post-doctoral en émulation neural de modèles de circulation océanique (H/F)
Référence : UMR5001-ALEVIA-026
Nombre de Postes : 1
Lieu de travail : ST MARTIN D HERES
Date de publication : mercredi 6 mars 2024
Type de contrat : CDD Scientifique
Durée du contrat : 18 mois
Date d'embauche prévue : 1 juin 2024
Quotité de travail : Temps complet
Rémunération : A partir de 2905.76 € brut mensuel
Niveau d'études souhaité : Niveau 8 - (Doctorat)
Expérience souhaitée : 1 à 4 années
Section(s) CN : Système Terre : enveloppes superficielles

Missions

La mission générale est de conduire des travaux de recherche visant à explorer comment des émulateurs différentiables peuvent être mobilisés pour améliorer le calibrage des modèles de circulation océanique. Le candidat sélectionné contribuera au projet européen EDITO Model Lab.

Les émulateurs sont des modèles statistiques entraînés pour imiter certains aspects du comportement de codes de simulations numériques préexistants. Grâce à la polyvalence de réseaux de neurones profonds, il est désormais possible d’entraîner de tels émulateurs à imiter avec précision le comportement d’un code numérique décrivant l’évolution d’un système dynamique complexe comme par exemple un écoulement fluide. Comme ils sont nativement différentiables, ces émulateurs peuvent alors être utilisés pour approximer l’opérateur adjoint du code de simulation. Les approches d'émulation neurale pourraient donc théoriquement être utilisées pour résoudre des problèmes inverses, afin, par exemple, d’ajuster les paramètres du code numérique ou de guider le développement de nouvelle composante permettant d’améliorer les codes de simulation. L’application de telles approches est toutefois pour l’instant restreinte à des cas académiques idéalisés, et des travaux de recherche sont nécessaires avant qu’elles puissent être déployées dans des modèles géoscientifiques réalistes, comme par exemple des modèles de circulation
océaniques.

Activités

- Le candidat sélectionné mènera des travaux visant à explorer comment des stratégies
d’émulation neurales pourraient être mobilisées pour calibrer le modèle de circulation
océanique NEMO (https://www.nemo-ocean.eu).
- Le travail du chercheur ou de la chercheuse sélectionné portera sur la formulation de problèmes d’apprentissage pour construire un émulateur approximant l’opérateur d’évolution du code NEMO dans le cadre d’un banc d’essai de complexité intermédiaire construit par l’équipe MEOM de l’IGE. Ce banc d’essai porte sur la physique verticale de l’océan et les échanges entre l’océan et l’atmosphère. Il permet d’aborder le problème du calibrage des paramètres des fermetures sous-maille utilisées pour représenter l’impact des processus turbulents dans les couches
superficielles de l’océan. On s’intéressera ici à l’apprentissage d’un émulateur conditionnel du code de simulation spécifiquement entraîné pour être mobilisé pour le calibrage des paramètres.
- Le chercheur ou la chercheuse sélectionné évaluera le bénéfice de l’utilisation
d’émulation neurale pour l’estimation de paramètres en comparaison d’algorithmes
existants. Il ou elle devra présenter ses résultats dans des articles scientifiques, lors de conférences internationales, et au sein de groupes de travail dédiés à ces questions.

Compétences

Le candidat sélectionné sera titulaire d'un doctorat en géosciences, en apprentissage
automatique appliqué, en assimilation de données, ou en mathématiques appliquées.

La sélection sera basée sur les critères scientifiques et techniques suivants :

- Expérience de recherche dans les techniques d'apprentissage automatique
appliquées aux systèmes dynamiques et aux modèles géoscientifiques
- Maîtrise du langage Python et des principales bibliothèques d'apprentissage
automatique (PyTorch, Jax, TensorFlow)
- Connaissance des processus océaniques et de leur représentation dans les modèles de circulation océanique
- Expérience démontrée dans la rédaction et la communication des résultats
scientifiques
- Expérience démontrée dans les outils et pratiques de développement logiciel
collaboratif
- Expérience de recherche dans un contexte international et pluridisciplinaire
- Capacité démontrée à travailler en équipe, et dans un environnement multiculturel

Contexte de travail

L'Institut des Géosciences de l'Environnement (IGE, http://www.ige-grenoble.fr) est un établissement public de recherche français sous tutelle du CNRS Terre & Univers, de l'IRD, de l'Université Grenoble Alpes (UGA), de 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)

La personne sélectionnée rejoindra l'équipe MEOM, qui rassemble une expertise
pluridisciplinaire en océanographie, mathématiques appliquées et apprentissage, et dont les activités se concentrent sur la modélisation et la prévision océan/glace de mer (voir https://meom-group.github.io). Les travaux seront supervisés par Julien Le Sommer (IGE), et menés en collaboration avec Ronan Fablet (IMT-Atlantique) et Bruno Deremble (IGE), ainsi que les équipes européennes du consortium EDITO Model Lab.