Posición de PostDoc en modelado multinivel acelerado por aprendizaje profundo de flujos - CDD 18 meses en IMT Norte Europa

Disciplina: Aprendizaje automático

Gerente de línea: Modesar SHAKOOR, [email protected]

Lugar de trabajo: Douai, Lahure

Tipo de contrato y duración: Beca postdoctoral, 18 meses

CONTEXTO:

IMT Nord Europe, perteneciente a IMT (Institut Mines-Télécom), bajo la supervisión del Ministerio de Economía, Finanzas y Soberanía Industrial y Digital, tiene tres principales objetivos: proporcionar a nuestros estudiantes una práctica de ingeniería éticamente responsable que les permita resolver los problemas del siglo XXI, llevar a cabo nuestras actividades de I+D que conduzcan a innovaciones destacadas y apoyar el desarrollo territorial a través de la innovación y el emprendimiento. Idealmente situado en el corazón de Europa, a 1 hora de París, a 30 min de Bruselas y a 1h30 de Londres, IMT Nord Europe ambiciona convertirse en un actor principal de las actuales transiciones industriales, digitales y ambientales, combinando educación e investigación en ingeniería y tecnologías digitales.

Ubicado en dos campus principales dedicados a la investigación y educación en Douai y Lille, IMT Nord Europe ofrece instalaciones de investigación de casi 20,000m² en las siguientes áreas:

-           Ciencia digital,

-              Procesos para industria y servicios,

-              Energía y Medio Ambiente,

-              Materiales y Procesos.

Para más detalles, visite el sitio web de la Escuela: www.imt-nord-europe.fr

La posición está vacante dentro del Centro de Materiales y Procesos y el Centro de Sistemas Digitales de IMT Nord Europe.

RESUMEN:

Los flujos en medios porosos son de gran interés para una amplia gama de aplicaciones como la ingeniería de reservorios o la fabricación de compuestos. El proyecto ANR JCJC MISSA comenzó en 2023 y tiene como objetivo el desarrollo de modelos numéricos de vanguardia para flujos en medios porosos. Una de las principales líneas de investigación es el diseño de redes neuronales para reemplazar los paradigmas de cálculo convencionales. Recientemente, se han considerado tecnologías como los autoencoders y las redes neuronales recurrentes [1]. Para que estas redes neuronales sean de interés para las aplicaciones consideradas, se deben abordar dos problemas:

• Mejorar las capacidades de generalización estimando el error de predicción y diseñando cuidadosamente el conjunto de datos de entrenamiento, por ejemplo utilizando el aprendizaje activo [2] o el aprendizaje auto-supervisado [3,4],
• Asegurar la convexidad de la predicción de la red neuronal con respecto a los datos de entrada [5,6].

En este proyecto que involucra a dos centros de investigación de IMT Nord Europe y a un grupo de investigación de la Universidad Nacional de Singapur, el investigador postdoctoral se centrará en acelerar los cálculos con el aprendizaje profundo. El investigador postdoctoral desarrollará un modelo de aprendizaje profundo que se integrará en un código de elementos finitos multiescala desarrollado por otros socios del proyecto MISSA. Se abordarán aplicaciones desafiantes a procesos de fabricación reales.

La investigación postdoctoral estará supervisada por el Profesor Shakoor, Itier y Mennesson de IMT Nord Europe. Es posible participar en actividades docentes hasta un límite de 64 horas por año escolar para los postdocs que deseen seguir una carrera en la academia. Esta posición ofrece:

• Un entorno de investigación internacional de alto nivel y emocionante en una institución reconocida
• Ser parte de un equipo de proyecto internacional con contactos en todo el mundo
• Una educación científica exhaustiva y formación en aprendizaje profundo y su aplicación a la mecánica de fluidos
• La posibilidad de participar en talleres y conferencias locales e internacionales

REFERENCIAS:
[1] K. Shinde y otros, Reducción de la dimensionalidad a través de autoencoders convolucionales para la predicción de patrones de fractura, Applied Mathematical Modelling, 114:94-113, 2023
[2] Y. Gal y otros, Deep bayesian active learning with image data, Actas de la 34ª Conferencia Internacional sobre Aprendizaje Automático, 70:1183-1192, 2017
[3] M. Caron y otros, Emerging properties in self-supervised vision transformers, Actas de la Conferencia Internacional IEEE/CVF sobre Visión por Computadora, 9650-9660, 2021
[4] T. Chen y otros, Un marco simple para el aprendizaje contrastivo de representaciones visuales, Actas de la 37ª Conferencia Internacional sobre Aprendizaje Automático, 119:1597-1607, 2020
[5] M. Ławryńczuk, Redes neuronales convexas de entrada en control predictivo no lineal: un enfoque de modelos múltiples, Neurocomputing, 513:273-293, 2022
[6] O. Aslan y otros, Aprendizaje profundo convexo a través de núcleos normalizados, Avances en Sistemas de Procesamiento de Información Neuronal, 27, 2014

Requisitos

PERFIL REQUERIDO:

• Un doctorado en aprendizaje automático / ciencia de datos
• Fuertes habilidades de programación, preferiblemente en Python
• Algunas habilidades en mecánica de fluidos computacional serán una ventaja pero no son un requisito
• Se distinguió a sí mismo con publicaciones en revistas internacionales revisadas por pares y / o presentaciones en conferencias internacionales reconocidas
• Conocimiento sólido del francés o el inglés

CONDICIONES:

El trabajo debe ser cubierto en el periodo de enero-julio de 2024 por un periodo de 18 meses (contrato temporal).

INFORMACIÓN Y MÉTODOS DE APLICACIÓN:

Para cualquier información sobre las misiones, por favor contacte a:

SHAKOOR Modesar, Profesor Asociado, [email protected] ; +33 3 27 71 23 21
ITIER Vincent, Profesor Asociado, [email protected] ; +33 3 20 43 64 18
MENNESSON José, Profesor Asociado, [email protected] ; +33 3 20 43 64 21

Para cualquier información administrativa, por favor contacte al Departamento de Recursos Humanos: [email protected]

Este trabajo se ofrece a funcionarios públicos en base a movilidad, o en base contractual bajo la ley pública. Además, la posición puede ser adaptada para una persona con discapacidad.

FECHA LÍMITE PARA LAS PRESENTACIONES: 01/12/2023