Aller au contenu
Accueil TechPourToutes Programme
Retour

Seras-tu la prochaine stagiaire de Eurobios ?

Plan d’expérience actif pour la simulation numérique

Développement - programmation - logiciel

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.