Simulation à grande échelle et apprentissage automatique dans la structure du nucléon

CEA; Saclay; Sur place; EUR 20 000 - 40 000; Plein temps

Résumé du poste

Un institut de recherche en physique propose une thèse sur la structure tridimensionnelle du nucléon à travers l'analyse des distributions de partons généralisées. Ce projet implique des simulations de QCD et des méthodes d'apprentissage automatique pour résoudre des problèmes complexes. Les candidats doivent avoir une maîtrise de la théorie quantique des champs et des languages de programmation comme C++ et Python. Le travail est une collaboration entre l'Allemagne et la France, offrant une expérience unique et enrichissante.

Qualifications

• Compétences en simulation de données expérimentales.
• Maîtrise des algorithmes d'apprentissage automatique.
• Expérience en recherche sur les distributions de partons.

Responsabilités

• Produire des simulations de QCD sur réseau de moments de GPD.
• Développer des méthodes d'apprentissage automatique pour des ajustements globaux.
• Collaborer étroitement avec les laboratoires en Allemagne et en France.

Connaissances

Théorie quantique des champs

Programmation (C++, Python)

Calcul haute performance

Formation

Doctorat en physique ou domaine connexe

Description du poste

Description du sujet de thèse

Cette proposition de thèse porte sur la structure tridimensionnelle du nucléon à travers les distributions de partons généralisées (GPD). Les GPD permettent d'accéder à la répartition spatiale des quarks et gluons ainsi qu'au tenseur énergie-impulsion, offrant ainsi des informations sur le spin, la pression interne et la masse du nucléon. Deux défis majeurs sont identifiés : le manque de données expérimentales et la difficulté à générer des observables simulées précises via le calcul sur réseau. Le projet se décline en deux volets : (I) produire de nouvelles simulations de QCD sur réseau de moments de GPD, améliorer les algorithmes et assurer l'extrapolation vers le continuum ; (II) développer des méthodes d'apprentissage automatique pour résoudre les problèmes inverses mal posés et réaliser des ajustements globaux combinant données expérimentales et simulation. La thèse sera réalisée conjointement entre Julich Forschungszentrum (Allemagne) et le CEA (France) au travers du laboratoire virtuel AIDAS, avec un partage du temps entre les deux pays. Les compétences attendues incluent la théorie quantique des champs, la programmation (C++, Python) et une bonne maîtrise du calcul haute performance. Le but du travail est d'obtenir la première extraction fiable de la structure 3D du nucléon, utile pour les futurs collisionneurs EIC/EicC.

Domaine

Autre

Sujets de thèse

Simulation à grande échelle et apprentissage automatique dans la structure du nucléon?

Contrat

Thèse

Université / école doctorale

PHENIICS (PHENIICS)
Paris-Saclay

Site

Saclay

Demandeur

Disponibilité du poste

01/10/2026

Personne à contacter par le candidat

Mezrag Cédric
[e-mail]
CEA
DRF/IRFU/DPhN/LSN
CEA Saclay - IRFU/DPhN
Bat. 703
91191 Gif-sur-Yvette

Tuteur / Responsable de thèse

Moutarde Hervé
[e-mail]
CEA
DRF/IRFU/DPhN
IRFU, CEA, Université Paris-Saclay, F-91191 Gif-sur-Yvette, France
33 1 69 08 32 06

En savoir plus

https://irfu.cea.fr/Phocea/Vie_des_labos/Ast/ast_groupe.php?id_groupe=4189
https://www.fz-juelich.de/en/jsc/about-us/structure/divisions/hpc4qs