Ingénieur chercheur machines learning sur les systèmes énergétiques pour le transport H/F
CDI Grenoble (Isère) Conception / Génie civil / Génie industriel
Description de l'offre
Détail de l'offre
Informations générales
Entité de rattachement
Le Commissariat à l'énergie atomique et aux énergies alternatives (CEA) est un organisme public de recherche.Acteur majeur de la recherche, du développement et de l'innovation, le CEA intervient dans le cadre de ses quatre missions :
. la défense et la sécurité
. l'énergie nucléaire (fission et fusion)
. la recherche technologique pour l'industrie
. la recherche fondamentale (sciences de la matière et sciences de la vie).
Avec ses 16000 salariés -techniciens, ingénieurs, chercheurs, et personnel en soutien à la recherche- le CEA participe à de nombreux projets de collaboration aux côtés de ses partenaires académiques et industriels.
Référence
2018-6866Description de la Direction
Au CEA, le Laboratoire d'innovation pour les technologies des énergies nouvelles et les nanomatériaux (Liten) c'est :
- près de 1 000 collaborateurs,
- 100 partenaires publics et 350 industriels en France et à l'étranger,
- un portefeuille de plus de 1 400 brevets,
- plus de 400 contrats de recherche chaque année
- 6 Start-Up.
Notre expertise scientifique, la qualité de nos infrastructures et équipes, font du LITEN un acteur clé de la transition énergétique, en élaborant des technologies de pointe dans les énergies renouvelables, l'efficacité énergétique et les matériaux innovants
Description de l'unité
Dans le département de l'électricité et de l'hydrogène pour les transports (DEHT), le laboratoire LMP de modélisation multi-échelle et d'analyse de performance développe des modèles multi-physiques sur les piles à combustible basse température (PEMFC) et les batteries Li-ions, du catalyseur au système, avec une démarche multi-échelle.
Description du poste
Domaine
Mathématiques, information scientifique, logiciel
Contrat
CDI
Intitulé de l'offre
Ingénieur chercheur machines learning sur les systèmes énergétiques pour le transport H/F
Statut du poste
Cadre
Description de l'offre
Vous participez au développement de l’activité de l’analyse des données, que ce soit sur des données en usage réel ou des données sur banc de tests ou des données de simulations numériques.
En particulier, vous créez une passerelle entre le développement des modèles physiques pile à combustible et batterie, et les modèles basés données issues des mesures et simulations par le développement et la mise en œuvre de méthodes d’analyses de données avancées de type machine learning. Les objectifs sont :
- Enrichir l’analyse des données de mesure et de simulation par des approches de statistiques avancées ;
- Amener des nouvelles méthodes de diagnostic des piles à combustible et batterie, en couplant les approches basées modèles et basées données. Développement de l’approche méta-modèle ;
- Développer la compétence sur la propagation d’incertitude et analyses de sensibilité des codes de la plateforme MUSES.
Dans ce cadre, vous assurez un rôle de montage de nouvelles collaborations en interne CEA.
A côté de ces missions principales, vous avez des missions sur :
Développement d’un framework de développement de la plateforme de simulation MUSES : scripts d’automatisation de gestion des cas tests, méthode et scripts d’identification paramétriques, … ;
Développement d’outils d’analyse des données avec les laboratoires du service ;
Développement de méthodes de couplage de modèle et de réduction d’ordre de modèle.
Vous avez des responsabilités de lots dans des projets EU et industriels.
Profil recherché
Profil du candidat
Titulaire d'un doctorat, vous justifiez d'une expérience sur l'analyse de données à partir de méthodes statistiques avancées de type machine learning,
Vous avez des compétences sur la propagation d'incertitudes.
Une expérience autour de l'analyse de diagnostic sur les batteries ou les piles à combustible ou les véhicules seraient en plus,
Egalement, la connaissance du logiciel Matlab et langage Python ou R serait un plus.
Connaissances et intérêts pour la physique
Vous avez la capacité à développer et transmettre les outils et méthodes utilisés
Vous aimez travailler en équipe et sur des sujets pluridisciplinaires, et savez travailler dans des projets en partenariat avec des industriels,
Vous êtes curieux-se, avez un réel attrait pour l'innovation et êtes autonome.