En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Doctorant en données, connaissances, apprentissage et interactions (H/F)

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

Date Limite Candidature : jeudi 5 novembre 2020

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 : UMR9012-SYLPRA0-022
Lieu de travail : ORSAY,ORSAY
Date de publication : jeudi 15 octobre 2020
Nom du responsable scientifique : Haÿg GULER
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 décembre 2020
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel

Description du sujet de thèse

Les performances requises pour un faisceau d'électrons pour un accélérateur sont de plus en plus exigeantes. Les performances pour les sources laser à électrons libres, d'accélération laser plasma ou des sources Comptons sont basées sur la brillance et le courant crête du faisceau d'électrons. Pour atteindre cet objectif, il convient de régler finement et de façon non linéaire l'accélérateur : l'alignement magnétique, le “golden-orbit”, l'accord de phase RF, etc. Cela nécessite de nombreux paramètres pour optimiser les propriétés du faisceau propres à chaque application.
L'objectif de cette thèse, codirigée par deux laboratoires (IJCLAB ainsi le Laboratoire de Recherche en Informatique, LRI) est d'explorer et de mettre en place des méthodes d'apprentissage automatiques dans le cadre des accélérateurs de particules.
Les accélérateurs concernés sont THOMX dont le commissioning démarrera sous peu, ainsi que la plateforme PHIL/LASERIX (projet PALLAS).
Le sujet de thèse présenté aborde ce problème dans le cadre de l'apprentissage machine (machine learning), répondant aux défis suivants :
• Modélisation d'un phénomène stochastique
• Apprentissage actif (identification des mesures destructives les plus informatives pour effectuer le contrôle dynamique)
• Apprentissage par renforcement (exploitation de simulateurs permettant de prédire le comportement du processus à court terme, optimisation du compromis coût de calcul du simulateur / précision des prédictions).
Références bibliographiques :
A. L. Edelen, S. G. Biedron, B. E. Chase, D. Edstrom, S. V. Milton, and
P. Stabile, “Neural Networks for Modeling and Control of Particle Accelerators,” IEEE Trans. Nucl. Sci. 63, 878–897 (2016), arXiv:1610.06151 [physics.acc-ph].
T. Higo, H. Shoaee, and J Spencer, “Some applications of ai to the problems of accelerator physics,” in Conf. Proc., Vol. 870316 (1986) p. 701.
G. Valentino, R. Bruce, S. Redaelli, R. Rossi, P. Theodoropoulos, and S. Jaster-Merz, “Anomaly Detection for Beam Loss Maps in the Large Hadron Collider,” Proceedings, 8th International Particle Accelerator Conference (IPAC 2017): Copenhagen, Denmark, May 14- 19, 2017, J. Phys. Conf. Ser. 874, 012002 (2017), [,MOPAB010(2017)].

Contexte de travail

Le laboratoire de Physique des 2 Infinis Irène Joliot-Curie est un laboratoire de physique des deux infinis sous tutelle du CNRS, de l'université Paris-Saclay et de l'université de Paris, né en 2020 de la fusion des cinq UMR situées sur le campus universitaire d'Orsay : le Centre de sciences nucléaires et de sciences de la matière (CSNSM), le laboratoire d'Imagerie et modélisation en neurobiologie et cancérologie (IMNC), l'Institut de physique nucléaire d'Orsay (IPNO), le Laboratoire de l'accélérateur linéaire (LAL) et le Laboratoire de physique théorique (LPT).
Les thèmes de recherche du laboratoire sont la physique nucléaire, la physique des hautes énergies, les astroparticules et la cosmologie, la physique théorique, les accélérateurs et les détecteurs de particules ainsi que les recherches et développements techniques et applications associées pour l'énergie, la santé et l'environnement.
La structure dispose de capacités techniques très importantes (environ 280 ingénieurs et techniciens) dans tous les grands domaines requis pour concevoir, mettre au point et en œuvre les dispositifs expérimentaux nécessaires à son activité scientifique : mécanique, électronique, informatique, instrumentation, techniques d'accélération et des techniques de la biologie. Ces forces techniques représentent un atout de premier plan pour la conception, le développement et l'utilisation des instruments nécessaires (accélérateurs et détecteurs). La présence des infrastructures de recherche et des plateformes technologiques rassemblées sur le site du laboratoire constitue également un atout majeur. Enfin, environ 90 ITA des services administratifs et support travaillent aux côtés des scientifiques et ingénieurs.

Contraintes et risques

La thèse sera rattachée à l'école doctorale STIC (Sciences et technologies de l'information et de la communication)
Le travail de thèse se déroulera dans les deux laboratoires : Le laboratoire de Physique des 2 Infinis Irène Joliot-Curie ainsi que le Laboratoire de Recherche en Informatique.

Informations complémentaires

Compétences attendues :
• Bonnes connaissances en programmation (Python, ...)
• Bonne compréhension de la programmation orientée object, des algorithmes avancées, des structures de données, etc
• Très bonnes connaissances en apprentissage automatique (Machine learning, deep learning, Reinforcement learning)
• A l'aise avec les outils de visualisation des données comme Scipy, Matlab, etc.
• Physique générale
• La physique des accélérateurs est un plus
• Niveau d'anglais requis: Intermédiaire supérieur

On en parle sur Twitter !