En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR5216-VIRFAU-018 - (H/F) Post-Doc : Postdoctorat en apprentissage automatique pour l'acoustique sous-marine et la localisation de sources

(H/F) Post-Doc : Postdoctorat en apprentissage automatique pour l'acoustique sous-marine et la localisation de sources

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

Date Limite Candidature : vendredi 10 décembre 2021

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Faites connaître cette offre !

Informations générales

Référence : UMR5216-VIRFAU-018
Lieu de travail : ST MARTIN D HERES
Date de publication : vendredi 19 novembre 2021
Type de contrat : CDD Scientifique
Durée du contrat : 18 mois
Date d'embauche prévue : 1 février 2022
Quotité de travail : Temps complet
Rémunération : entre 2663,79 € et 3783.24 €
Niveau d'études souhaité : Doctorat
Expérience souhaitée : 1 à 4 années

Missions

Cette offre de postdoc permettra d'adresser des problématiques importantes dans le domaine de la lutte sous-marine.
Par l'apport de l'IA, la mission sera de résoudre le problème de mismatch entre un modèle (ou des données de référence) et une situation opérationnelle donnée, avec pour applications principales la localisation de source et la caractérisation environnementale. Ces problématiques sont aujourd'hui traitées de manière conventionnelle (c'est-à-dire sans IA) et l'étude de faisabilité de l'implémentation d'une couche IA dans ces processus sera prioritaire et innovant.
La mission sera de quantifier la plus-value des méthodes proposées en les comparants aux méthodes Bayesiennes de l'état de l'art. Les métriques de performances incluront la précision des résultats et l'incertitude sur les paramètres estimés, mais aussi le temps de calcul, la robustesse à l'incertitude environnementale (y compris des connaissances imparfaites sur les statistiques du bruit ambiant), et la répétabilité/portabilité des résultats.
Le candidat sera basé au GIPSA Lab et pourra être accueilli pour des séjours de travail dans les centres des partenaires, notamment à Woods Hole Oceanographic Institution (USA) et à la DGA Techniques Navales de Toulon.

Les candidatures retenues lors des procédures de recrutements du CNRS, devront faire l'objet de la validation du ministère des armées préalablement à la signature du contrat de travail entre le candidat et le CNRS

Mots clefs : Détection/localisation/classification et caractérisation environnementale pour la Lutte Sous-Marine à l'ère du Big Data: apport et opportunité de l'Intelligence Artificielle.

Activités

Mobiliser les méthodes mathématiques et informatiques pour résoudre un problème théorique relatif à la simulation d'un modèle ; optimiser sa programmation sur une machine cible et proposer les outils adaptés.
Apporter auprès des chercheurs d'un domaine une expertise dans l'utilisation des méthodes mathématiques et des techniques informatiques pour la modélisation et la simulation d'un phénomène physique
Orienter le choix sur les méthodes et les outils pertinents en fonction du problème posé et de l'architecture des machines de calcul ciblées
Concevoir des méthodes pour la modélisation, le calcul et la visualisation des résultats
Évaluer la qualité des codes, la qualité des résultats et de leur interprétation
Participer à des projets de recherche au plan national et international et aux publications associées

Tâche 1: Développements méthodologiques (tâche principale)
1.1 Résolution du problème inverse avec du ML: Des études historiques ont démontré la possibilité de résoudre un problème inverse en ASM avec du ML. Nos efforts porteront sur des situations où le ML possède une plus-value évidente. On pense notamment au monitorage des fluctuations de la colonne d'eau et/ou la détection/localisation de sources sur une zone d'intérêt spécifique (Le candidat travaillera sur des données issues de la zone expérimentale ALMA et/ou de la zone expérimentale "Shallow Water 2006", ...). L'apprentissage se fera sur une batterie exhaustive de simulations, puis le modèle ML sera appliqué de nombreuses fois pour suivre les variations spatio-temporelles de l'environnement.
1.2 Résolution du problème direct avec du ML: L'objectif est de remplacer l'évaluation numérique du problème direct (dans notre cas un modèle de propagation) par une méthode de ML de type régression. Globalement, l'intérêt de cette approche est d'accélérer la résolution du problème inversion (estimation de l'environnement et/ou localisation de sources) d'au moins un ordre de grandeur.

Tâche 2: Analyse de données expérimentales (tâche principale)
La base de données issue des campagnes de mesures à la mer ALMA (Acoustic Laboratory for Marine Applications) pourra être exploitée. Les différentes expérimentations réalisées donnent accès à une large gamme d'environnements variables, qu'il s'agisse de la bathymétrie, de la saison ou du type d'antenne employé. Ainsi, les thématiques évoquées dans ce document ont été partiellement adressées par des approches classiques: identification de phénomènes liées à la fluctuation du milieu et impact sur les traitements d'antenne ou encore localisation de source en acoustique passive.

Compétences

Les compétences attendues :
Machine learning, Apprentissage statistique, Bayesien, traitement du signal.
Compétences techniques : Matlab / Python.
Des connaissances en acoustique sous-marine sont une plus-value intéressante

Aptitudes recherchées : Vous êtes autonome, proactif et rigoureux, et vous présentez de bonnes aptitudes à travailler en équipe et à communiquer pour avoir des interactions harmonieuses entre les différents partenaires du projet. Vous avez une bonne capacité rédactionnelle et êtes à l'aise à l'oral.

Contexte de travail

Le Gipsa-lab est une unité de recherche commune CNRS, Grenoble-INP (Institut de Technologie de Grenoble), Université de Grenoble conventionnée par l'Inria et l'Observatoire des Sciences de l'Univers de Grenoble.
Avec 350 personnes dont environ 150 doctorants, Gipsa-lab est une unité de recherche multidisciplinaire développant à la fois des recherches fondamentales et appliquées sur des signaux et des systèmes complexes.
Gipsa-lab développe des projets dans les domaines stratégiques de l'énergie, de l'environnement, de la communication, des systèmes intelligents, de la vie et de la santé et de l'ingénierie linguistique.
Par ses activités de recherche, Gipsa-lab maintient un lien constant avec l'environnement économique grâce à un partenariat fort avec les entreprises.
Le personnel du Gipsa-lab est impliqué dans l'enseignement et la formation dans les différentes universités et écoles d'ingénieurs de l'agglomération grenobloise (Université Grenoble Alpes). Gipsa-lab est reconnu internationalement pour la recherche réalisée en Automatique et Diagnostic, Sciences de l'Information et de l'Image du Signal, Parole et Cognition. L'unité développe sa recherche au travers de 16 équipes organisées en 4 pôles de recherche :
.Automatique et Diagnostic,
.Sciences des Données
.Géométries, Apprentissage, Information et Algorithmes
.Paroles et Cognition
Le Gipsa-lab regroupe 150 permanents et environ 250 non permanents (doctorants, post-doctorants, chercheurs invités, stagiaires en master…)

… Indications sur le service ou l'équipe d'accueil et positionnement hiérarchique.]
L'équipe Signal-Images-Physique (SigmaPhy) s'intéresse au développement de méthodes avancées en traitement du signal et des images en liaison avec des domaines d'application privilégiés où une connaissance de la physique des milieux étudiés est nécessaire.
Les thèmes principaux de l'équipe concernent :
– signal et propagation d'onde
– télédétection aéroportée et satellitaire
– imagerie de signaux transitoires…

Contraintes et risques

Pas de contrainte particuliaire

On en parle sur Twitter !