Missions

- Modélisation avancée de la dynamique des peignes de fréquence :
- Identification des régimes complexes et des évènements extrêmes :
- Développement de stratégies d’apprentissage automatique :

Activités

-Développer et analyser des modèles réduits (basés sur l'équation de Lugiato-Lefever ou ses variantes modales) pour décrire la formation et l’évolution des peignes dans des cavités non linéaires.
-Explorer l’espace des paramètres pour détecter les transitions vers des régimes chaotiques ou multistables, et caractériser les conditions menant à des évènements rares (rogue waves optiques, transitions brutales de régime, etc.).
-Concevoir des outils hybrides mêlant intelligence artificielle et physique (par exemple, réseaux de neurones informés par la physique – PINNs) pour la prédiction anticipée des évènements extrêmes et la compréhension de leurs mécanismes générateurs.

Compétences

Personnel avec un doctorat de Physique (Photonique et/ou Optique non-linéaire, Dynamique non-linéaire) : Compétences solides en modélisation numérique (Python, MATLAB, ou équivalent) et en traitement de données.
Une expérience en apprentissage automatique (deep learning, réseaux de neurones) sera un atout important.
Esprit d’initiative, capacité à travailler en autonomie tout en interagissant dans un environnement collaboratif.

Contexte de travail

Le/la postdoctorant(e) intégrera le groupe Photonique du laboratoire PhLAM, reconnu pour son expertise en Optique non-linéaire fibrée et la génération de peigne de fréquences.
Le projet s’inscrit dans une dynamique de collaborations internationales actives (Chili, Côte d’Ivoire, Belgique), offrant un cadre stimulant et propice à la valorisation scientifique.

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.