Informations générales
Entité de rattachement
La Direction des Applications Militaires (DAM) du CEA, au cœur des enjeux de la dissuasion nucléaire Française, cherche ses futurs talents. Organisme inclusif, le CEA est handi-accueillant : nos emplois sont ouverts à toutes et tous.
Associer les forces et les compétences de chacun pour atteindre nos objectifs est l'une de nos valeurs partagées par nos 4 600 salariés, répartis sur 5 centres.
Les 1 000 salariés du centre du Cesta, en Nouvelle-Aquitaine, participent au développement des armes de la force de dissuasion française.
Le centre assure le rôle d'architecte industriel des têtes nucléaires mises à la disposition des Armées françaises depuis leur conception jusqu'à leur retrait du service.
Pour garantir les performances opérationnelles des systèmes d'armes, le Cesta s'inscrit dans une démarche de simulation de haut niveau et s'appuie sur un parc de moyens d'essais exceptionnels. Parmi ceux-ci, il développe et exploite le plus grand laser d'Europe : le Laser MégaJoule (LMJ).
Venez vous investir au service de la Défense et de la Sécurité de notre pays, relever des défis scientifiques et techniques avec des moyens technologiques d'exception ! Vous contribuerez à l'excellence de la recherche et à la compétitivité de l'industrie française en construisant votre avenir dans un environnement varié et respectueux.
Référence
2026-41472-S2076
Description du poste
Domaine
Mathématiques, information scientifique, logiciel
Contrat
Stage
Intitulé de l'offre
Stage - Bac+5 - Modèles réduits de métasurfaces par PINN - H/F
Sujet de stage
Les métasurfaces sont des structures artificielles planes et périodiques qui permettent de contrôler les propriétés de réflexion, transmission et absorption d'une onde qui l'éclaire.
Dans le cadre de stage, ces structures seront composées de matériaux homogènes et isotropes intégrant des inclusions périodiques de taille sub-longueur d'onde. Cela permet d'atteindre des performances supérieures aux matériaux classiques. Cependant, la conception optimale de ces inclusions pour atteindre les propriétés électromagnétiques désirées reste un défi. Le CEA dispose de codes de simulation performants pour évaluer les performances d'une métasurface connue, avec des paramètres géométriques et des caractéristiques de matériaux constituants définis. Une approche envisageable, mais computationnellement intensive, consiste à utiliser un code interne dans une boucle d'optimisation itérative, en partant d'une paramétrisation prédéfinie de la métasurface.
Durée du contrat (en mois)
Césure ou 6 mois
Description de l'offre
Nous proposons ici d'étudier une alternative potentiellement plus efficace, permettant d'explorer rapidement différentes configurations de métasurfaces sans être limité par une paramétrisation rigide. Pour cela, nous envisageons d'explorer l'utilisation de réseaux de neurones informés par la physique (PINN) comme modèle prédictif. Ce modèle, dérivable et rapide à utiliser une fois entraîné, permettrait de modéliser le comportement électromagnétique d'une métasurface, facilitant ainsi son intégration dans une boucle d'optimisation une fois la paramétrisation des inclusions définie.
L'objectif principal est d'étudier l'utilisation des PINN pour la modélisation de solutions aux équations de Maxwell, en augmentant progressivement la complexité des problèmes traités. Dans un premier temps, le(la) candidat(e) s'intéressera à la résolution de problèmes simplifiés et en petite dimension. Il(elle) mettra en place des PINN sur un domaine 1D pour évaluer l'efficacité de la méthode selon le domaine de résolution (temporel ou fréquentiel). Initialement, il(elle) étudiera un milieu homogène et isotrope, puis il(elle) examinera un domaine composé de deux sous-domaines aux propriétés différentes. Ensuite, il(elle) étendra cette approche au cas 2D en poursuivant la comparaison entre les domaines de résolution, et en intégrant des conditions de périodicité. En fonction des performances observées, un choix pourra être fait concernant le domaine de résolution le plus adapté avant d’aborder le problème en 3D.
Le(la) candidat(e) aura une bonne connaissance de Python, des méthodes d’optimisation, des réseaux de neurones, de Tensorflow ou Pytorch et une appétence pour la résolution de problèmes physiques.
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.
Participant à la protection nationale, une enquête administrative est réalisée pour tous les collaborateurs du CEA afin d'assurer l'intégrité et la sécurité de la nation.
Profil du candidat
Machine Learning, Python
Bac+5
Localisation du poste
Site
Cesta
Localisation du poste
France, Nouvelle-Aquitaine
Create candidate area
