Universite jobs in France
Apport de l'intelligence artificielle à l'étude de la fission
CEA
Chargé de projet et d’expertise scientifiques à la Cellule régionale......
Santé publique France
Mesure optique intradermique via des microaiguilles instrumentées
CEA
Développement de spectres Raman théoriques avec application aux minéraux de la surface de Mars
CEA
Développement et monitoring multiparamétrique d'un modèle microfluidique sur puce de la barrièr[...]
CEA
Discover more opportunities than anywhere else. Find more jobs nowResponsable Développement Foncier 78 (H/F)
Kaufman & Broad
Inférence des paramètres cosmologiques à l'aide de prédictions théoriques des statistiques en o[...]
CEA
Connect with headhunters to apply for similar jobsConseil Marché des professionnels
Société Générale Assurances
Collaborateur Expertise Comptable Sénior 2026 (H/F) - CDD 3 MOIS
Forvis Mazars
Assistant conducteur de travaux F/H
Direction Déléguée Nouvelle Aquitaine
Conseiller Commercial - Pau H/F
AG2R LA MONDIALE
Coordinateur(rice) Supply Chain F/H
TIMAB Magnesium
Inférence cosmologique à partir de l'abondance des amas de galaxies détectés par cisaillement g[...]
CEA
Chef(fe) d'équipe électricien H/F
EQUANS
Développeur Full-Stack Junior — IA et Web Apps
Ekimetrics
Développeur Liferay
Act Digital France
Formation des magnétars : de l'amplification à la relaxation des champs magnétiques les plus ex[...]
CEA
Consultant(e) Senior CIO Advisory - Bureau de Marseille
Sia Partners
Chargé de Communication Interne et Contenus Digitaux
ISCOD
Origines et conséquences de l'altération hétérogène des verres nucléaires
CEA
Apport de l'intelligence artificielle à l'étude de la fission
Job summary
Une institution de recherche en physique recherche un doctorant pour une thèse sur l'apport de l'intelligence artificielle à l'étude de la fission nucléaire. Le candidat travaillera sur des techniques de machine learning pour analyser des données expérimentales et identifier les fragments de fission, en étudiant leurs propriétés ainsi que leur désexcitation. Le poste est basé à Saclay, avec une disponibilité à partir du 1er octobre 2026.
Qualifications
- Compétences analytiques pour appliquer des techniques de machine learning aux données de fission.
- Capacité à travailler avec des jeux de données expérimentaux complexes.
Responsibilities
- Appliquer des techniques de machine learning pour identifier les fragments de fission.
- Analyser les propriétés des fragments de fission et de leurs émissions.
Education
Physique corpusculaire et cosmos
Apport de l'intelligence artificielle à l'étude de la fission
Thèse
La fission nucléaire est un processus extrême au cours duquel un noyau lourd se déforme jusqu'à atteindre un point de non retour conduisant à sa séparation en deux fragments. Le processus s'accompagne d'un relâchement important d'énergie, principalement sous forme d'énergie cinétique des fragments nouvellement formés, mais aussi d'énergie d'excitation (typiquement une quinzaine de MeV par fragment). Par ailleurs, les fragments sont aussi produits avec un moment angulaire élevé. C'est par le biais de l'émission de neutrons et de photons que les fragments de fission évacuent leur énergie d'excitation et moment angulaire. L'expérience ultime en fission consisterait à identifier en masse et charge chaque fragment; mesurer leur énergie cinétique; et caractériser en énergie et multiplicité les neutrons et photons qu'ils émettent. Ce jeu de données permettrait en effet d'accéder à l'énergétique globale du processus de fission et à caractériser complètement la désexcitation des fragments. De part la complexité importante d'une telle mesure exclusive, ce jeu de données est toujours manquant. Notre équipe s'oriente vers de telles mesures et ce travail de thèse vise à explorer les bénéfices que peuvent apporter les techniques de machine learning dans cette optique. La thèse consistera à tirer partie de l'ensemble des données multi-corrélées accessibles expérimentalement afin d'alimenter des algorithmes de machine learning dont le but sera d'identifier les fragments de fission et de déterminer leurs propriétés. Les techniques développées seront appliquées à un premier jeu de données utilisant une double chambre d'ionisation pour la détection des fragments de fission couplée à un ensemble de détecteur neutrons. Les données seront acquises en début de doctorat. Dans un second temps, une étude plus exploratoire consistera à appliquer les mêmes techniques à des données obtenues durant le doctorat en utilisant une chambre à projection temporelle comme détecteur de fragments de fission. Il s'agira de démontrer que la résolution en énergie cinétique obtenue est compatible avec l'étude de la fission.
PHENIICS (PHENIICS)
Paris-Saclay
Site
Saclay
Master2 Physique nucléaire
01/10/2026
GAUDEFROY Laurent
laurent.gaudefroy@cea.fr
CEA
DRF/IRFU/DPHN/LEARN
CEA Saclay
91940 Gif sur Yvette
0169087454
GAUDEFROY Laurent
laurent.gaudefroy@cea.fr
CEA
DRF/IRFU/DPHN/LEARN
CEA Saclay
91940 Gif sur Yvette
0169087454
* The salary benchmark is based on the target salaries of market leaders in their relevant sectors. It is intended to serve as a guide to help Premium Members assess open positions and to help in salary negotiations. The salary benchmark is not provided directly by the company, which could be significantly higher or lower.