Chercheur post-doctorant (H/F)

Description du Poste

Les Missions

Le ou la titulaire du poste mènera un travail de recherche postdoctorale au sein de l'équipe d'astrophysique du LPENS, dans le cadre du projet ANR ForeSight, qui développe des approches innovantes pour la séparation des modes B primordiaux du fond diffus cosmologique des avant-plans Galactiques micro-ondes polarisés. Le sujet précis de recherche sera défini conjointement avec l'équipe au démarrage du contrat, en fonction des compétences et intérêts du ou de la candidat·e et de l'avancement du projet.
Deux grands axes structurent le projet et serviront de point de départ à la définition du sujet : (i) l'extension de la séparation de composantes fondée sur les ST à des configurations multi-fréquences et multi-composantes, en lien avec l'application à la détection des modes B primordiaux du CMB ; (ii) le positionnement de ces méthodes par rapport aux approches classiques de séparation de composantes, à la fois par la validation et l'hybridation avec ces approches, et par le développement de nouveaux algorithmes ST construits ex nihilo lorsque les méthodes existantes ne suffisent pas.

L'Activité

• Contribuer au développement d'algorithmes de séparation de composantes non-gaussiennes fondés sur les Scattering Transforms, en particulier dans des configurations multi-fréquences (extension du cadre développé dans Tsouros et al. 2026).
• Étudier l'articulation entre les méthodes ST et les approches classiques de séparation de composantes (GNILC, SMICA, NILC, Commander, approches paramétriques) : comparaison, validation croisée, et hybridation lorsque pertinent.
• Concevoir et implémenter, selon les besoins du projet, de nouveaux algorithmes ST non couverts par les approches existantes.
• Contribuer à l'application de ces méthodes à des données réelles (Planck, et à terme Simons Observatory / LiteBIRD) sur des avant-plans Galactiques polarisés (poussière, potentiellement synchrotron).
• Utiliser et contribuer à la bibliothèque Python STL, socle logiciel commun de l'équipe pour les calculs de Scattering Transforms.
• Participer aux réunions scientifiques de l'équipe (réunions hebdomadaires, séminaire Scattering Club) et aux échanges avec les collaborateurs du projet.
• Collaborer étroitement avec les autres membres de l'équipe travaillant sur des sujets connexes (séparation de composantes, inférence bayésienne en espace ST, développement logiciel).
• Présenter régulièrement l'avancement des travaux au sein du groupe et lors de conférences ou séminaires externes, et valoriser les résultats par des publications dans des revues à comité de lecture.

Votre Profil

Compétences

• Doctorat en astrophysique, physique, sciences des données, statistiques ou traitement du signal.
• Expérience de recherche solide dans au moins l'un des domaines suivants : cosmologie/CMB, physique du milieu interstellaire, statistiques et inférence, traitement du signal ou apprentissage automatique appliqué aux sciences physiques.
• Bonne maîtrise de Python et des bibliothèques scientifiques associées (NumPy, PyTorch ou équivalent) ; la connaissance des Scattering Transforms est un plus mais n'est pas requise — une prise en main accompagnée est prévue.
• Goût pour le travail à l'interface entre astrophysique et data science, et capacité à s'approprier rapidement des méthodes et outils en dehors de son champ initial de spécialisation.
• Autonomie scientifique, rigueur, et capacité à contribuer à la définition de son propre projet de recherche au sein d'un cadre collectif.
• Goût du travail collaboratif au sein d'une équipe pluridisciplinaire.
• Bonnes capacités de communication écrite et orale, en français et/ou en anglais.

Votre Environnement de Travail

Le poste est basé au Laboratoire de Physique de l'École normale supérieure (LPENS), au sein de l'équipe d'astrophysique, avec une association possible au Centre de Sciences des Données de l'ENS-PSL. L'environnement de travail est interdisciplinaire, à l'interface entre astrophysique, mathématiques appliquées et sciences des données.
Le projet ANR ForeSight (2025-2029) vise à construire des modèles génératifs des avant-plans Galactiques polarisés directement à partir des données observationnelles, en s'appuyant sur les Scattering Transforms, en vue de leur application à la détection des modes B primordiaux du CMB. Le ou la titulaire du poste rejoindra une équipe déjà constituée (plusieurs doctorant·es et postdoctorant·es, avec des travaux récents sur la séparation de composantes en polarisation et sur l'inférence bayésienne en espace de statistiques ST), et bénéficiera de l'infrastructure logicielle (bibliothèque STL) et de calcul (cluster GPU de l'équipe, accès aux moyens nationaux tels que IDRIS) déjà en place.

Contraintes et risques

Aucune contrainte ou condition particulière. Travail sur poste informatique standard, avec accès à des ressources de calcul GPU locales et à des moyens de calcul nationaux.

Rémunération et avantages

Rémunération

Entre 3500 et 4800 euros brut mensuel selon expérience

Congés et RTT annuels

44 jours

Pratique et Indemnisation du TT

Pratique et indemnisation du TT

Transport

Prise en charge à 75% du coût et forfait mobilité durable jusqu’à 300€

À propos de l’offre

À propos du CNRS

Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d’associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement.

Le CNRS

Les métiers de la recherche