Apprentissage par renforcement pour la génération automatique de modèles en biosanté / Reinforc[...]

Université de Montpellier; France; Sur place; EUR 20 000 - 40 000; Plein temps

Résumé du poste

Une université française en France cherche un candidat pour un projet de thèse en intelligence artificielle. Le projet intègre l'apprentissage automatique et la modélisation mécanistique appliquée à des maladies. Les candidats doivent faire preuve de curiosité et d'esprit rigoureux, et être capables d'intégrer une équipe de recherche. Ce projet commencera le 1er octobre 2025 et aborde des problèmes cliniques comme l'autisme et l'inflammation.

Qualifications

• Le candidat doit démontrer une grande curiosité et être capable d'acquérir rapidement de nouvelles techniques.
• Rigueur et fiabilité sont essentielles pour ce projet.
• Capacité à s'intégrer dans une équipe de recherche est requise.

Responsabilités

• Développer des outils IA pour construire des modèles biomédicaux.
• Intégrer l'apprentissage par renforcement pour des applications médicales.
• Simuler des systèmes d'équations différentielles pour des prédictions.

Connaissances

Curiosité

Rigueur

Capacité à intégrer une équipe de recherche

Formation

Bac +5 ou équivalent

Description du poste

Organisation/Company Université de Montpellier Research Field Mathematics Researcher Profile Recognised Researcher (R2) Leading Researcher (R4) First Stage Researcher (R1) Established Researcher (R3) Country France Application Deadline 29 Sep 2028 - 22:00 (UTC) Type of Contract Temporary Job Status Full-time Is the job funded through the EU Research Framework Programme? Not funded by a EU programme Is the Job related to staff position within a Research Infrastructure? No

Offer Description

Ce projet de thèse vise à intégrer l'intelligence artificielle (IA), l'apprentissage automatique et la modélisation mécanistique pour des applications cliniques, en combinant prédiction personnalisée et compréhension des mécanismes de progression des maladies. L'objectif est de développer des outils IA pour construire des modèles biomédicaux optimisant les traitements en fonction des caractéristiques spécifiques des patients.

Les modèles exploiteront la nature modulaire des systèmes biologiques, basés sur des réseaux de réactions biochimiques, générant des systèmes d'équations différentielles à simuler pour faire des prédictions.

L'approche adoptée dans cette thèse repose sur l'apprentissage par renforcement. Les modèles seront construits de manière incrémentale, en commençant par des modèles simples et en intégrant progressivement des données plus complexes. L'apprentissage par renforcement permettra de découvrir des modèles en maximisant une récompense. Cette méthode sera appliquée à des domaines médicaux tels que les troubles du spectre autistique, l'inflammation et les infections.

This PhD project aims to integrate artificial intelligence (AI), machine learning, and mechanistic modeling for clinical applications, combining personalized prediction and understanding of disease progression mechanisms. The goal is to develop AI tools to construct biomedical models that optimize treatments based on the specific characteristics of patients.

The models will exploit the modular nature of biological systems, based on biochemical reaction networks, generating systems of differential equations that can be simulated to make predictions.

The approach used in this thesis relies on reinforcement learning. The models will be built incrementally, starting with simple models and progressively incorporating more complex data. Reinforcement learning will allow the discovery of models by maximizing a reward. This method will be applied to medical fields such as autism spectrum disorders, inflammation, and infections.

Début de la thèse : 01/10/2025

WEB : https://systems-biology-lphi.cnrs.fr/

Funding category: Contrat doctoral

Concours pour un contrat doctoral

The candidate must demonstrate great curiosity, be rigorous and reliable, capable of quickly acquiring new techniques, and able to integrate into a research team.