Apprentissage actif de simulation dynamique par un réseau de neurone H/F

Détail de l'offre

Informations générales

Entité de rattachement

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 cœur 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
  

Référence

2024-33311  

Description de l'unité

Au sein du CEA LIST, le Laboratoire de Simulation Interactive (LSI) développe une plateforme de simulation multi-physique interactive mettant en jeu un ou plusieurs utilisateurs en exploitant les technologies de Réalité Virtuelle (RV) et de Réalité Mixte (RM). Cette plateforme, dénommée XDE Physics, permet de simuler la manipulation et les interactions de l'ensemble des systèmes, pièces rigides, articulées ou déformables (câbles) directement sur les maquettes numériques. Elle permet également de valider des scénarios incluant l'opérateur pour étudier l'ergonomie du poste de travail par l'introduction de son avatar dans la simulation dynamique. Centrées sur les noyaux de simulation interactive, les activités de l'équipe vont jusqu'à la mise au point d'applicatifs, répondant aux contextes d'usage de ses partenaires industriels (manufacturing pour l'automobile et l'aéronautique, énergie, santé).

Description du poste

Domaine

Sciences pour l'ingénieur

Contrat

Stage

Intitulé de l'offre

Apprentissage actif de simulation dynamique par un réseau de neurone H/F

Sujet de stage

Apprentissage actif de simulation dynamique par un réseau de neurone

Durée du contrat (en mois)

6

Description de l'offre

Le stage s’inscrit dans la problématique de l’apprentissage de simulations éléments finis en vue d’accélérer les simulations interactives en dynamique des solides. Le LSI dispose déjà d’outils de simulation éléments finis, de base de données et de réseaux de neurones pour la déformation non-linéaire de solides. Des travaux sur l’apprentissage actif sont en cours et l’implémentation de certaines méthodes de l’état de l’art a déjà montré l’amélioration de l’entraînement grâce à l’aspect "actif".

L’objectif du stage est de déterminer et comparer les manières d’introduire une rétroaction du réseau de neurone sur le logiciel de simulation de référence (apprentissage actif) dans le but de minimiser la durée d’entraînement des réseaux de neurones développés au LSI. Le RN devra ainsi choisir les sollicitations « optimales » (en un certain sens qu’il conviendra de préciser) pour améliorer la précision de la simulation restituée.

Le stagiaire pourra entraîner rapidement dans le vif du sujet en utilisant les outils déjà développés, notamment une librairie de simulation éléments finis de poutre optimisée (issue de notre plateforme XDE) qui peut s’interfacer directement avec Python, et les résultats des travaux en cours.

Le stage pourra donner lieu à une thèse de doctorat. 

Moyens / Méthodes / Logiciels

pytorch / neural networks

Profil du candidat

Ingénieur, Master 2

IA, pytorch, mathématiques appliquées, des compétences en mécanique des solides sont un plus.

 

Conformément aux engagements pris par le CEA en faveur de l’intégration de personnes en situation de handicap, cet emploi est ouvert à tous et toutes.

Localisation du poste

Site

Saclay

Localisation du poste

France, Ile-de-France, Essonne (91)

Ville

Palaiseau

Critères candidat

Diplôme préparé

Bac+5 - Diplôme École d'ingénieurs

Formation recommandée

ingénieur, IA ou mathématiques appliquées

Possibilité de poursuite en thèse

Oui

Demandeur

Disponibilité du poste

01/02/2024