Stage - Deep Learning pour la Simulation de Scénarios Électronucléaires H/F - CEA

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Implanté au coeur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.

Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :

- La conscience des responsabilités
- La coopération
- La curiosité

Vous serez accueilli·e au sein de l'IRESNE, institut de la DES, où vous intégrerez l'équipe du laboratoire et participerez pleinement à ses activités.

Objectifs du stage :

• Analyser les architectures de réseaux de neurones actuellement utilisées dans les outils de scénario et identifier leurs limites (précision, domaine de validité, coût d'entraînement).

• Proposer, développer et évaluer de nouvelles architectures afin d'améliorer la précision des prédictions.

• Intégrer l'architecture retenue dans l'outil de scénario du laboratoire et valider son comportement sur des cas d'étude représentatifs.

• Selon l'avancement, mener une étude d'optimisation des paramètres de conception des RNR sous contraintes techniques et de cycle, en s'appuyant sur les nouveaux métamodèles.

Déroulement indicatif

• Prise en main des outils de scénario et des bases de données d'apprentissage existantes

• État de l'art de nouvelles architectures de réseaux de neurones

• Comparaison des performances et sélection

• Intégration dans l'outil de scénario (C++) et validation

• Étude d'optimisation (si le temps le permet) et rédaction du rapport

Étudiant(e) en master (M1 ou M2) ou en avant-dernière ou dernière année d'école d'ingénieur, en data science, mathématiques appliquées, génie nucléaire ou physique.

• Solides compétences en data science
• Bonne maîtrise de Python (bibliothèques type PyTorch / TensorFlow / scikit-learn
  appréciées)
• Connaissances en C++
• Notions d'optimisation mathématique
• Goût pour le développement logiciel et le travail en équipe
• Des connaissances en physique des réacteurs ou en cycle du combustible sont un plus, mais ne sont pas indispensables

Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes handicapées, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation pour l'inclusion des travailleurs handicapés

• Python
• C++
• Travail en équipe
• Développement logiciel
• TensorFlow