Stage Machine Learning pour la Prédiction des Interactions Terrain-Onde de Souffle H/F CEA

L'idée du stage est de s'appuyer sur des snapshots représentant sous forme d'images, pour des instants successifs, le champ de pression associé au passage d'une onde de souffle interagissant avec un relief donné dans un domaine fixé. Le but du stage est de construire des métamodèles neuronaux qui, à partir d'un relief, de paramètres d'explosion et des premiers snapshots, permet de prédire les snapshots suivants.
À son arrivée, le/la candidat(e) retenu(e) aura à sa disposition une base de données constituée de plusieurs séquences de snapshots, chacune associée à la propagation d'une onde de souffle pour une configuration particulière.
Pour construire les métamodèles, plusieurs pistes pourront être explorées parmi lesquelles des réseaux convolutionnels, des modèles autorégressifs de type Transformer ou encore des modèles neuronaux d'équations différentielles.
A ce titre les objectifs sont les suivants :
- Vous devrez d'abord effectuer des recherches bibliographiques pour bien cerner l'état de l'art et retenir quelques approches qui lui semblent pertinentes.
- Les méthodes retenues devront être implémentées en Python et rigoureusement évaluées sur un jeu de test.
- Enfin, vous devrez fournir un code soigné et documenté utilisable par le CEA. Si le temps le permet, ce projet pourra être valorisé à travers la réalisation d'un poster pour une conférence, voire d'un court article de recherche.

À la fin du stage, vous aurez acquis des connaissances solides en machine learning appliquées à un problème de physique original.

Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes handicapées, cet emploi est ouvert à toutes et à tous.
Le CEA propose des aménagements et/ou des possibilités d'organisation pour l'inclusion des travailleurs handicapés.
Participant à la protection nationale, une enquête administrative est réalisée pour tous les collaborateurs du CEA afin d'assurer l'intégrité et la sécurité de la nation.