Stage Surrogate Modeling Hybride pour Systèmes Physiques H/F Safran
- Châteaufort - 78
- Stage
- 6 mois
- Bac +5
- Industrie Aéronautique • Aérospatial
À noter sur ce job
Vous avez ces compétences ? Cliquez dessus pour les ajouter rapidement à votre profil !
Les missions du poste
Les simulateurs physiques sont essentiels pour concevoir, analyser et maintenir les systèmes aéronautiques. Ils permettent d'étudier des phénomènes complexes dans de nombreuses conditions de fonctionnement, mais leur coût de calcul devient un frein lorsqu'ils doivent être exécutés de façon répétée, par exemple pour l'optimisation, les études paramétriques, la quantification des incertitudes ou la mise en oeuvre de jumeaux numériques. Les modèles de substitution fondés sur l'apprentissage automatique constituent une solution prometteuse pour reproduire rapidement le comportement de ces simulateurs. Toutefois, des modèles uniquement guidés par les données peuvent manquer de précision et de fiabilité lorsqu'ils sont appliqués à des configurations nouvelles, à des domaines de fonctionnement peu représentés ou à des situations dans lesquelles les données d'apprentissage sont limitées.
La mission consistera à étudier et développer des approches hybrides de surrogate modeling combinant apprentissage à partir des données et connaissances physiques ou métier. Ces connaissances pourront prendre la forme de contraintes physiques, de relations entre variables, de structures propres aux systèmes étudiés ou encore d'informations issues de modèles simplifiés. Leur intégration vise à réduire les besoins en données tout en améliorant la robustesse, la cohérence physique et la capacité de généralisation des modèles. Les travaux seront menés sur un ou plusieurs cas d'étude industriels reposant sur des simulateurs développés chez Safran.
Après une étude bibliographique des méthodes récentes, plusieurs stratégies seront définies, implémentées et comparées. Selon les cas d'application, les méthodes explorées pourront inclure des réseaux de neurones contraints par la physique, des Neural Operators, des architectures hybrides associant modèles physiques et réseaux de neurones, ainsi que des modèles génératifs, notamment les modèles de diffusion ou de Flow Matching, lorsque la représentation de distributions complexes et des incertitudes sera pertinente.
Une attention particulière sera portée à la généralisation au-delà du domaine d'apprentissage, notamment vers de nouvelles conditions de fonctionnement ou de nouvelles configurations physiques. Les approches seront évaluées sur des données issues de simulateurs selon plusieurs critères : précision, coût de calcul, robustesse, cohérence physique, capacité de généralisation et quantité de données nécessaire. La mission comprendra également l'analyse des compromis entre complexité des architectures, niveau de connaissance physique incorporé et performances obtenues. Le ou la stagiaire développera les prototypes en Python et PyTorch, conduira les expérimentations, analysera les résultats et formulera des recommandations sur les méthodes les plus adaptées aux cas industriels étudiés.
Le profil recherché
Bienvenue chez Safran
Safran est la 2ème entreprise du secteur aéronautique et défense du classement « World's Best Companies 2025 » du magazine TIME.
Parce que nous sommes persuadés que chaque talent compte, nous valorisons et encourageons les candidatures de personnes en situation de handicap pour nos opportunités d'emploi.
La carte
Rue des jeunes Bois
78117 Châteaufort
Publiée le 29/09/2026 - Réf : 2026-188861