Post-doctorat en deep-learning et soutenabilité F/H

CEA; Grenoble; Sur place; EUR 35 000 - 50 000; Plein temps

Résumé du poste

Le CEA recrute un post-doctorant en deep learning pour développer des solutions innovantes dans le domaine de la durabilité. Le candidat idéal possède un doctorat et une solide maîtrise de Python. Vous participerez à des projets de R&D en environnement énergétique intelligent, offrant un cadre dynamique et collaboratif. Rejoignez-nous pour contribuer à la recherche et à l'innovation au service de la transition énergétique.

Qualifications

• Doctorat requis en informatique, apprentissage automatique ou traitement du signal.
• Expérience ou connaissances en apprentissage automatique et mathématiques appliquées appréciées.
• Maîtrise de la programmation en Python et TensorFlow requise.

Responsabilités

• Développer un modèle de supervision intelligente pour les réseaux d'énergie.
• Intégrer la causalité pour améliorer l'explicabilité des modèles.
• Développer une approche incrémentale et adaptable aux nouvelles données.

Connaissances

Apprentissage automatique

Mathématiques appliquées

Python

TensorFlow

Statistiques

Formation

Doctorat en informatique, apprentissage automatique ou traitement du signal

Description du poste

Post-doctorat en deep-learning et soutenabilité F/H

Description du poste

Mathématiques, information scientifique, logiciel

Intitulé de l'offre

Post-doctorat en deep-learning et soutenabilité F/H

Statut du poste

Durée du contrat (en mois)

24 mois

Description de l'offre

"Rejoignez le CEA pour donner du sens à votre activité, mener ou soutenir des projets de R&D nationaux et internationaux, cultiver et faire vivre votre esprit de curiosité."

Nous cherchons un(e) ingénieur(e)-chercheur(se) en apprentissage profond pour applications soutenables. Ce poste de cadre en CDD/post-doctorat est basé sur le site du CEA Grenoble (38). Ce poste est à pourvoir dès que possible.

Vous interviendrez dans le cadre d'un projet visant à développer une nouvelle forme de supervision intelligente et intégrée pour optimiser les réseaux d'énergie intelligents. Il s'agira d'intégrer simultanément l'adaptabilité aux nouvelles données, aux habitudes changeantes et la robustesse en tenant compte des relations de cause à effet, contrairement aux approches existantes (IA, jumeaux numériques).

Vous développerez un modèle de fondation, entraîné sur plusieurs jeux de données, capable de gérer des données hétérogènes, y compris des paramètres complexes (fluctuations de la demande, pertes d'énergie), tout en prédisant la consommation et en détectant les anomalies.

Vos missions seront :

1. Apprentissage Robuste et Explicable : Intégrer la causalité pour améliorer l'explicabilité du modèle, ce qui permettra :

• L'interprétabilité des décisions,
• L'identification des points de défaillance,
• L’optimisation de la distribution thermique dans les réseaux de chauffage.

Ce qui est souvent absent dans les modèles d'apprentissage profond en raison de leur dépendance aux corrélations. En contraignant l'apprentissage avec des relations causales (par exemple, conditions environnementales et performance du système).

Apprentissage continu d’un modèle de fondation embarqué : Permettre l'adaptabilité aux nouveaux besoins et aux conditions climatiques changeantes. Développer une approche incrémentale pour éviter l'oubli catastrophique, avec un modèle conçu pour fonctionner près de la source de données.

Le chauffage urbain, un composant clé des stratégies de décarbonisation, sera une application concrète de ce projet. La surveillance et la maintenance efficaces des sous-stations serviront d'interface entre les réseaux de chauffage urbain et les systèmes de chauffage des bâtiments. Une analyse d’impact évaluera les bénéfices du déploiement de ces technologies.

#CEA-List; #LI-CB1; #Ingénieure; #Chercheuse; #Research Engineer

Profil du candidat

Vous avez un doctorat en informatique, apprentissage automatique ou traitement du signal.

Une expérience ou des connaissances dans les domaines suivants serait un plus :

• Apprentissage automatique
• Mathématiques appliquées (probabilités / statistiques)

Une maîtrise de la programmation en Python (TensorFlow, connaissance de base de l'environnement GPU) est requise. Vous maîtrisez l'anglais écrit et parlé.

Localisation du poste

France, Auvergne-Rhône-Alpes, Isère (38)

Informations générales

Le CEA, acteur majeur de la recherche, contribue à la transition énergétique, numérique, la médecine du futur, la défense et la sécurité, en s'appuyant sur la recherche fondamentale. Avec plus de 75 ans d'expérience, il soutient la souveraineté scientifique, technologique et industrielle de la France et de l'Europe, en collaborant avec de nombreux partenaires à l'international. Les valeurs fondamentales du CEA sont : la responsabilité, la coopération et la curiosité.

Référence

2025-36601

Description de la Direction

L'Institut LIST du CEA se consacre aux systèmes numériques intelligents, avec des projets en manufacturing avancé, systèmes embarqués, et intelligence ambiante, en partenariat avec des secteurs tels que l'énergie, la santé, la sécurité, et la défense.

Description de l'unité

Le Laboratoire Intelligence Intégrée Multi-capteurs (LIIM) développe des algorithmes embarqués d'IA, de fusion de données, et de perception environnementale pour des systèmes cyber-physiques multi-capteurs, en intégrant des technologies innovantes et circuits intégrés spécifiques.