Doctorant "Détermination de la géométrie et du glissement d’un séisme à partir d'observations de surface par apprentissage automatique" H/F

Description du Poste

Sujet De Thèse

Détermination de la géométrie et du glissement d’un séisme à partir d'observations de surface par apprentissage automatique.

Votre Environnement de Travail

Lors d'un séisme, la majeure partie du glissement co-sismique se produit sur les failles, en profondeur. Or la plupart de nos observations se limitent à la surface via la télédétection. Reconstituer la géométrie de la rupture ainsi que le glissement tridimensionnel à partir de ces observations de surface est un problème fondamental mais complexe en géophysique. Le projet ERC BE_FACT (Boxing Earthquakes and Faults in Active Tectonics) propose d'aborder ce problème à partir d'expériences en laboratoire et de simulations numériques pour étudier le lien entre la géométrie des failles, la dynamique de rupture et la déformation de surface. C'est dans le cadre du projet BE_FACT que s'inscrit ce sujet de thèse.
Objectifs
Le but de cette thèse est d’explorer dans quelle mesure, pour un séisme donné, la géométrie de la rupture et la distribution du glissement lors de cette rupture peuvent être déduits à partir des champs de déplacement observés en surface, éventuellement complétés par des données sismologiques, en utilisant des méthodes d’apprentissage automatique (statistique ou profond). Dans le cadre de cette thèse, on utilisera une base d'environ 1000 séismes simulés numériquement (déjà en partie disponibles) pour lesquels on connait les caractéristiques de la source ainsi que les champs de déplacement 3D (y compris à la surface). L’étudiant.e analysera ces ensembles de données pour déterminer le degré de complexité du problème inverse en fonction du niveau de précision visé, identifier les caractéristiques les plus pertinentes des signaux de surface et développer des méthodes d’apprentissage automatique pour reconstituer le glissement (ou ses caractéristiques principales) en profondeur.
Plan de travail
La thèse commencera par une exploration des séismes simulés afin de comprendre les motifs de déplacement à la surface et en profondeur. L’étudiant.e extraira et analysera d’abord des caractéristiques simples (glissement moyen, surface affectée, géométrie, orientation) et appliquera des techniques de réduction de dimension pour mettre en évidence les principaux modes de variation des données. À partir de ces caractéristiques (et, si nécessaire, de caractéristiques plus avancées), des modèles de prédiction seront développés, allant de relations statistiques simples à des modèles plus flexibles comme les réseaux de neurones artificiels. Les performances et l’incertitude des modèles seront évaluées sur des événements cachés lors de la phase d’entraînement pour tester la capacité des modèles à généraliser, et éviter le sur-apprentissage. Dans un deuxième temps, en fonction des performances des premiers modèles, l'objectif sera de chercher à complexifier les modèles de source pour se rapprocher de géométries plus réalistes. Si dans une première approche on ne fera pas d'hypothèse sur la rhéologie du milieu modélisé, une fois les modèles de prédiction plus avancés, on pourra aussi envisager d'introduire une part d'information a priori dans le processus d'apprentissage (physics-informed neural networks) afin de gagner en connaissances à la fois sur la source sismique et sur le milieu physique modélisé. Dans une troisième partie, l'objectif sera d'utiliser les modèles construits pour analyser des mesures de déformation de surface réelles pour des séismes, obtenues à partir de mesures InSAR ou optiques.

Cette thèse s’adresse à des étudiants ayant un Master 2 en géophysique, data science, ou génie mécanique, intéressé.e.s par les processus de déformation. La maîtrise de Python pour l’analyse de données est requise. Une expérience avec des données géodésiques ou des problèmes inverses constitue un atout mais n’est pas obligatoire. Les candidat.e.s doivent être capables de travailler de manière autonome et de discuter des résultats avec l’équipe.

Rémunération et avantages

Rémunération

La rémunération est d'un minimum de 2300,00 € mensuel

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