En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR5001-ELSGEN-017 - Chercheur (H/F) Apprentissage profond pour représenter les interactions océan–plateforme de glace

Chercheur (H/F) Apprentissage profond pour représenter les interactions océan–plateforme de glace

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

Date Limite Candidature : lundi 11 décembre 2023

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

Informations générales

Intitulé de l'offre : Chercheur (H/F) Apprentissage profond pour représenter les interactions océan–plateforme de glace
Référence : UMR5001-ELSGEN-017
Nombre de Postes : 1
Lieu de travail : ST MARTIN D HERES
Date de publication : lundi 20 novembre 2023
Type de contrat : CDD Scientifique
Durée du contrat : 24 mois
Date d'embauche prévue : 1 février 2024
Quotité de travail : Temps complet
Rémunération : Entre 2905.76€ et 3331.51€ bruts mensuels
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 d'améliorer l'intégration des calottes polaires dans les modèles du système terrestre par l'utilisation d'émulateurs de réseaux de neurones à l'interface entre un modèle de la calotte Antarctique (Elmer/Ice) et un modèle d'océan global (NEMO). La personne sélectionnée contribuera au projet ANR-AIAI (https://anr-aiai.github.io).

Activités

• Développer et tester des réseaux de neurones produisant des taux de fonte sous-glaciaire.
• Tester et utiliser les développements dans des simulations globales de l'océan à 1° de résolution.
• Présenter les résultats lors de conférences internationales.
• Participer au projet AIAI et aux activités de l'IGE (réunions, séminaires, etc.).
• Suivre régulièrement les publications sur le sujet et rédiger des articles scientifiques.

Compétences

La sélection sera basée sur les critères scientifiques et techniques suivants :
• Expérience avérée des méthodes d'apprentissage profond (deep learning).
• Expérience avérée du codage en Python.
• Expérience avérée dans la rédaction d'articles scientifiques.
• Connaissances générales en océanographie physique ou en dynamique du climat.
Le comité de sélection tiendra compte de l'équilibre des genres au sein de l'équipe de recherche.

Contexte de travail

L’Institut des Géosciences de l’Environnement (IGE) est un laboratoire public de recherche sous les tutelles du CNRS, l’IRD, l’Université Grenoble Alpes (UGA) et Grenoble-INP qui travaille sur les changements climatiques et l'anthropisation de notre planète dans les régions polaires, de montagne et la zone intertropicale, régions particulièrement sensibles et aux enjeux sociétaux majeurs.
L'effectif moyen du laboratoire est d'environ 330 personnes, dont 190 membres permanents (chercheurs, enseignants-chercheurs, ingénieurs, techniciens et personnels administratifs) et environ 140 doctorants, post-doctorants et personnels en contrat à durée déterminée. Chaque année, le laboratoire accueille environ 120 stagiaires et visiteurs scientifiques. L'IGE est installé dans quatre bâtiments du campus universitaire de Grenoble (bâtiment de glaciologie, OSUG-B, Maison Climat Planète et INRAE-Grenoble Saint Martin d'Hères).
La personne sélectionnée rejoindra l'équipe CryoDyn qui s'intéresse à la dynamique de la glace et aux connexions avec le système climatique. Cette personne sera supervisée par Nicolas Jourdain (IGE), Romain Millan (IGE), and Clara Burgard (IPSL-LOCEAN, Paris). Il y aura de fortes collaborations avec l'IPSL-LSCE (Cécile Agosta) où un postdoc sera engagé sur une approche similaire à l'interface atmosphère–calotte.

Contexte scientifique :
La fonte des plateformes de glace d'Antarctique par l'océan est une source majeure d'incertitude sur l'évolution du climat mondial et du niveau des mers. La représentation adéquate des interactions glace-océan sous les plateformes de glace est un défi majeur du fait de la résolution spatiale grossière des modèles climatiques. Il existe des paramétrisations simples pour représenter la fonte sous les plateformes de glace non résolues ou partiellement résolues, mais elles ne parviennent généralement pas à saisir la complexité de la réponse à l'évolution des conditions océaniques (Burgard et al., 2022). L'application de l'apprentissage profond à ce problème a donné des résultats prometteurs (Rosier et al., 2023 ; Burgard et al. 2023). La poursuite du développement et de l'affinement de ces techniques devrait donc permettre d'améliorer considérablement la représentation de la fonte basale dans les simulations.

Contraintes et risques

RAS