Missions

La mission générale est de conduire des travaux de recherche visant à réduire les erreurs systématiques des modèles de circulation océanique au moyen d’apprentissage
automatique. Le candidat sélectionné contribuera au projet européen AI4PEX.

Les modèles numériques utilisés pour décrire la circulation océanique dans les modèles de projection climatiques sont essentiellement basés sur des lois physiques fondamentales. Toutefois, à cause de plusieurs sources d’incertitude irréductible, ils sont entachés d’erreurs systématiques. Celles-ci se traduisent en pratique par des biais en comparaison aux observations, une dérive des solutions lors de simulations longues et, in-fine, des incertitudes dans les projections climatiques. Les réanalyses océaniques combinent les modèles numériques avec des observations au moyen de méthodes d’assimilation de données afin de produire des estimations de l’évolution de la circulation et des propriétés de l’océan sur plusieurs décennies. Par construction, ces systèmes permettent d’estimer les erreurs des modèles numériques. Ce n’est que récemment toutefois, qu’au moyen de méthodes d’apprentissage il est devenu envisageable d’exploiter ces systèmes pour entraîner des représentations de des erreurs des modèles océaniques.

Activités

- Le candidat sélectionné contribuera au développement de méthodes permettant de corriger le modèle de circulation océanique NEMO (https://www.nemo-ocean.eu) utilisé dans plusieurs modèles du système Terre en Europe.
- Mené au sein d’une équipe pluridisciplinaire, le travail du chercheur ou de la chercheuse sélectionné portera sur la formulation de problèmes d’apprentissage pour construire un opérateur permettant de corriger l’opérateur d’évolution du modèle sur la base de données de réanalyse océaniques. On s’appuiera notamment sur la réanalyse historique CIGAR (http://cigar.ismar.cnr.it) et sur les récents travaux de plusieurs équipes internationales sur ce sujet. La correction apprise sera ensuite
évaluée dans des simulations de la configuration globale à 1° de résolution du code NEMO utilisée par les modèles climatiques.
- La personne sélectionnée 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 language 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 le groupe MEOM, qui se concentre sur la modélisation et la prévision océan/glace de mer (voir https://meom-group.github.io), et sera supervisée conjointement par Julien Le Sommer (IGE) et Ronan Fablet (IMT Atlantique). Le travail sera mené à Grenoble en collaboration avec les équipes européennes du consortium AI4PEX et les équipes de développement du code NEMO.