Post Doctorant en modélisation pour la pollution de l'air H/F
Stage Grenoble (Isère) Développement informatique
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
2019-10246Description de l'unité
Appartenant au Département Systèmes, le Laboratoire Signaux et Systèmes de Capteurs (LSSC) mène des activités dans le domaine de la fusion de signaux capteurs embarquée exploitant la multi-modalité par des études en traitement du signal et de l'information et algorithmique embarquée. Ces études se focalisent d'une part, sur les fonctions de capture de contexte et d'interaction avec l'environnement à partir de systèmes de capteurs portés par la personne ; il
adresse d'autre part des problématiques de maintenance prédictive et de contrôle de structures sur des ouvrages d'art ou bien des installations industrielles.
Description du poste
Domaine
Composants et équipements électroniques
Contrat
Post-doctorat
Intitulé de l'offre
Post Doctorant en modélisation pour la pollution de l'air H/F
Sujet de stage
Post Doctorat en Traitement du Signal
Durée du contrat (en mois)
12 mois
Description de l'offre
La mission concerne l'apprentissage d'un réseau de neurones profond pour des données de pollution de l'air. Ces données seront produites en simulation grâce aux moyens HPC (High Performance Computing) du CEA. La modélisation 3D multi-échelles de la dispersion permet de simuler les concentrations de polluants en particulier dans des environnements complexes où les effets de sites dus à la topographie et/ou la présence de bâtiments sont significatifs.
L'objectif scientifique est de proposer une modèle par réseau de neurones capable de reproduire les concentrations de polluants avec une meilleure précision que les modèles semi-empiriques communément utilisés.
En tant que chercheur en traitement du signal, les missions sont :
- étudier les nouvelles architectures de réseaux de neurones pour le problème de modélisation de la pollution de l'air en milieu urbain
- définir des scénarios qui serviront de base aux étapes d'apprentissage, de validation et de test
- produire en simulation HPC les données d'entrainement pour un cas d'usage défini (ex. quartier de Grenoble)
- réaliser une base des données d'apprentissage, de validation et de test
- entrainer les réseaux de neurones avec le cluster de calcul du CEA LETI
- analyser les résultats d’apprentissage dans le but de comprendre les caractéristiques apprises par le réseau
- évaluer la performance de modélisation par réseau de neurones profond
- tester le modèle sur d'autres quartiers urbains
- participer à la valorisation des travaux de recherche (communications scientifiques, brevets)
Les rôles au sein du laboratoire, équipe de recherche appliquée pluridisciplinaire (traiteurs de signaux, mathématiciens, informaticiens) :
- réaliser un état de l'art des méthodes existantes, analyser les modèles et algorithmes existants
- suivre et analyser les données produites en simulation
- justifier les choix d'architecture de réseau et leur paramétrage
- développer et programmer (Matlab, Python) les algorithmes et outils de traitement de données
- proposer et mettre en œuvre les algorithmes d'apprentissage
- évaluer les résultats : rédiger les rapports de simulations et traitements des données et les communications scientifiques
Profil recherché
Profil du candidat
Titulaire d'une thèse en data science, machine learning, traitement du signal, ou modélisation de la dispersion , le-La candidat-e doit disposer des compétences suivantes :
- mathématiques appliquées
- informatique (data science, machine learning)
- traitement de signal
- modélisation de la dispersion
- mise en place de protocoles de tests et validation
- maitrise de Python, Matlab
- connaissances en C/C++