En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR8538-HARBHA-006 - POSTDOC H/F

POSTDOC H/F

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

Date Limite Candidature : mardi 7 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 : UMR8538-HARBHA-006
Lieu de travail : PARIS 05
Date de publication : mardi 16 novembre 2021
Type de contrat : CDD Scientifique
Durée du contrat : 24 mois
Date d'embauche prévue : 1 mars 2022
Quotité de travail : Temps complet
Rémunération : 3200 Euros par mois
Niveau d'études souhaité : Doctorat
Expérience souhaitée : Indifférent

Missions

L'objectif ici est de s'appuyer sur des simulations pour retrouver les caractéristiques physiques des failles dans la Terre (en termes de friction, de contraintes, de tractions, etc.) d'une manière qui réduit les coûts de calcul. Les modèles dans WP1 et WP2 reposent sur un certain nombre de paramètres qui ne sont pas faciles à contraindre, et notre objectif est d'utiliser des techniques d'apprentissage actif pour réduire considérablement la puissance de calcul nécessaire pour explorer cet espace de paramètres, et trouver les meilleurs ensembles de paramètres. L'apprentissage actif est une branche de l'apprentissage automatique qui traite de la construction de modèles lorsque de nouveaux points de données sont difficiles à obtenir (par exemple, ils nécessitent l'exécution de simulations ou d'expériences coûteuses). Dans notre cas, l'algorithme tente de construire un modèle reliant les paramètres d'entrée de la simulation à sa sortie ; en sondant ce modèle, il identifie les régions de l'espace des paramètres dont il est le plus incertain et décide de créer de nouveaux points de données (dans notre exemple, exécuter de nouvelles simulations) pour sonder ces régions. Une fois que le modèle sera suffisamment solide, il sera finalement utilisé à la place des simulations pour produire instantanément un scénario prédictif physiquement précis de libération d'énergie à l'aide de la modélisation de substitution.

Activités

1. Développer des algorithmes d'apprentissage actif pour accélérer les calculs dans les WP's 1&2.
2. Reproduire les données historiques en trouvant la meilleure simulation associée.
3. Affiner pour des données plus récentes mais continues

Compétences

Mécanique de la fracture, sismologie, mécanique des sources de tremblement de terre

Contexte de travail

Le post-doctorant serait basé au Laboratoire de Géologie (UMR 8538) de l'Ecole Normale Supérieure. Fondé en 1880, le LG ENS est une unité mixte de recherche entre le CNRS et l'ENS-PSL. Construit sur une longue tradition en sciences de la Terre et de l'environnement, il abrite des recherches qui couvrent un large domaine - Géologie, Géodésie, Géomorphologie, Géodynamique, Géophysique Marine, Géomécanique, Hydrogéologie, Minéralogie, Sismologie et Tectonique - ce qui en fait un lieu privilégié d'échanges au frontières thématiques.

Contraintes et risques

rien

On en parle sur Twitter !