IA explicative pour l'interpretation des données de Diffusion aux Petits Angles / / Explainable[...]

CEA Paris-Saclay Matière Molle et Biophysique; Saclay; Sur place; EUR 20 000 - 40 000; Plein temps

Résumé du poste

Un laboratoire de recherche à Paris-Saclay propose une thèse sur le développement de méthodes d'IA explicables, combinant expertise en intelligence artificielle et sciences physiques. Le candidat accédera à des données de plusieurs cas d'utilisation et travaillera sur des modèles mathématiques et computationnels. Ce projet permettra une forte contribution à la recherche en matière molle et biologie. Le début du doctorat est prévu pour le 01-10-.

Qualifications

• Expérience ou formation en intelligence artificielle et modélisation de données.
• Connaissances en techniques de Diffusion aux Petits Angles.
• Compétences en visualisation de données complexes.

Responsabilités

• Développer des méthodes d'IA explicables pour le projet de thèse.
• Accéder et analyser des données provenant de cas d'utilisation variés.
• Assurer l'intégration de méthodes de visualisation avancées.

Connaissances

Intelligence artificielle

Modélisation mathématique

Visualisation interactive

Machine learning

Formation

Doctorat

Outils

SasView

Description du poste

Topic description

La thèse se déroulera dans deux laboratoires de Paris-Saclay : un groupe à l’expertise en intelligence artificielle développée depuis de nombreuses années MIA-PS (INRAE) et un autre en physique de la matière – matière molle, biologie- MMB-LLB (CEA / CNRS).

Les techniques de Diffusion aux Petits Angles (rayons X, neutrons, lumière) concernent une communauté toujours croissante, particulièrement active en France en particulier en matière molle et biologie. Le passage des données dans l’espace réciproque à l’espace réel se fait via des modèles différents - dont le groupe MMB est expert, que cela concerne la forme – sphère, bâton, plaquette, chaine polymère, ou les interactions - attraction, agrégation, répulsion, arrangement. De plus, des structures plus complexes, comme les protéines ou les agrégats irréguliers, nécessitent des approches computationnelles ou empiriques. Dans tous les cas, la solution n’est pas univoque. Cela est particulièrement difficile pour les groupes de recherche nouveaux arrivants dans la technique.

Dans cette thèse, grâce à l’expertise de MIA-PS en IA (machine learning, optimisation, visualisation), l’accent sera mis sur le développement de méthodes d’IA dite explicable. Une partie de la modélisation passe par des modèles mathématiques et physiques expliqués, une autre partie par des modèles dits « boites noires », que l’on s’attachera à progressivement expliquer.

Le-la doctorant-e pourra accéder aux données de trois cas d’utilisation (« use-cases ») fournis par le LLB, et à leurs experts, pour développer une méthodologie générique. Un premier pas pourra s’appuyer sur le logiciel mondialement partagé SasView, mine de modèles explicites. Nous avons d’ores et déjà reçu un accueil positif de la part des développeurs de SasView, qui pourra donc être un vecteur de dissémination. Apport précieux, les mesures de DPA complémentaires seront accessibles via les plateformes du LLB, et des synchrotrons Soleil et ESRF.

Par la suite, un volet sur l’interactivité homme-machine - garantissant que les utilisateurs restent pleinement responsables de la construction d’une explication physico-chimique-biologique., pourra être mis en place. Le MIA-PS est également expert en méthodes de visualisation interactive avancées.

Le sujet combine donc des développements très avancés en informatique et une richesse de systèmes dans l’espace réel choisis pour leur originalité et bien sûr, leurs retombées.

The PhD will be conducted in two laboratories at Paris-Saclay : one group with expertise in artificial intelligence developed over many years, MIA-PS (INRAE), and another in the physics of matter – soft matter, biology – MMB-LLB (CEA / CNRS).

Small-Angle Scattering techniques (X-rays, neutrons, light) involve a constantly growing community, particularly active in France, especially in soft matter and biology. The transition of data from reciprocal space to real space is achieved via different models – in which the MMB group is an expert – whether concerning shape – sphere, rod, platelet, polymer chain – or interactions – attraction, aggregation, repulsion, arrangement. Furthermore, more complex structures, such as proteins or irregular aggregates, require computational or empirical approaches. In all cases, the results are not unequivocal. This is particularly challenging for research groups new to the technique.

In this thesis, thanks to MIA-PS's expertise in AI (machine learning, optimization, visualization), the focus will be on developing explainable AI methods. Part of the modeling involves explained mathematical and physical models, while another part relies on so-called "black box" models, which will be progressively explained. The doctoral candidate will have access to data from three use cases provided by the LLB, and to their experts, to develop a generic methodology. A first step could be based on the globally shared software SasView, a treasure trove of explicit models. We have already received a positive response from the SasView developers, which could therefore serve as a dissemination tool. A valuable contribution will be the access to complementary DPA measurements via the LLB platforms and the SOLEIL and ESRF synchrotrons.

Subsequently, a component focusing on human-computer interaction—ensuring that users remain fully responsible for constructing a physico-chemical-biological explanation—can be implemented. MIA-PS is also an expert in advanced interactive visualization methods.

This project therefore combines highly advanced developments in computer science with a wealth of real-world systems chosen for their originality and, of course, their potential applications.

Pôle fr : Direction de la Recherche Fondamentale

Département : Institut rayonnement et matière de Saclay

Service : Laboratoire Léon Brillouin

Laboratoire : Matière Molle et Biophysique

Date de début souhaitée : 01-10-

Ecole doctorale : Sciences Chimiques : Molécules, Matériaux, Instrumentation et Biosystèmes (2MIB)

Directeur de thèse : LUTTON Evelyne

Organisme : INRAE

Laboratoire : UMR MIA

URL : URL : :

Funding category

Public / private mixed funding

Funding further details