Seras-tu la prochaine stagiaire de Eurobios ?
Plan d’expérience actif pour la simulation numérique
Offre mise à jour le 28 mars 2024
- Type d’offre :
- Stage dans le supérieur
- Durée :
- non indiqué
- Niveau d’expérience :
- non indiqué
- Salaire :
- non indiqué
- Entreprise :
- Eurobios
- Secteur :
- non indiqué
- Adresse
- 61 avenue du président Wilson, 94230 Cachan
Descriptif de l’offre
Eurobios Scientific Computing Branch (ESCB), Département d’Eurobios Mews Lab spécialisé dans le calcul
scientifique, recrute un ou une stagiaire maîtrisant la simulation numérique de problèmes physiques dans le cadre
de projets avec des partenaires industriels de référence.
Le ou la stagiaire travaillera dans un environnement scientifique de premier plan (collaboration avec centres de R&D
en France et à l’International, Laboratoires de Recherche Universitaires) sur des sujets de pointe en mécanique et
en machine learning. Il/elle bénéficiera du support d’une équipe pluridisciplinaire et travaillera sous l’autorité
directe du directeur technique du Département ESCB.
Le contexte de ce stage est l'utilisation de codes de simulation numérique pour modéliser des systèmes physiques
ou industriels. Eurobios développe actuellement plusieurs codes de simulation pour différentes applications telles
que la fatigue mécanique des lignes à haute tension sous l'effet du vent ou la tenue à la mer d'objets flottants en
interaction avec les vagues. Les résultats de ces codes dépendent typiquement d'un grand nombre de paramètres
décrivant le problème (vitesse du vent, longueur d'onde des vagues, etc.). Afin d'avoir une vue complète du
comportement de l'objet étudié, il est courant d'effectuer un grand nombre de simulations numériques pour couvrir
tout l'espace des paramètres.
L'objectif du stage est de réduire le nombre de simulations nécessaire à une étude (et ainsi le coût total en temps
et en énergie de l'étude), en choisissant automatiquement le nombre minimal de simulations nécessaire pour
décrire complètement l'objet étudié. Pour cela, on veut s'inspirer des méthodes de Machine Learning dites
d'"apprentissage actif" qui visent à choisir itérativement de nouveaux points de données à fournir à un modèle pour
l'améliorer.
Cette offre ID J3hY8vxtTCpxAKSXX a été publiée le 14 juin 2023 sur le site de notre partenaire, MyFuture.