Post-doctorant- projet REVGEOIA : Développement d'algorithme d'intelligence artificielle pour l'optimisa

Vos missions en quelques mots

Les géopolymères ont montré un véritable potentiel pour différentes applications hyperfréquences. Ce projet vise le développement d’algorithme d’intelligence artificielle pour l’optimisation de la formulation d’un revêtement de type géopolymère pour les antennes, consolidé à froid, résistant dans des conditions drastiques avec des propriétés diélectriques maitrisées et ceci en exploitant les données expérimentales de synthèse et de caractérisation de ces matériaux. Ce projet vise à allier les données expérimentales et l’intelligence artificielle (IA) pour l’optimisation de la formulation d’un revêtement géopolymère pour les antennes. En effet, l’établissement de corrélation entre les différents paramètres d’entrée (composition chimique, conditions de synthèse…) et les propriétés du matériau final est un défi majeur pour le choix de la formulation du revêtement. Aujourd’hui, l’IA permet de combiner et d'analyser de grandes quantités de données, offrant une meilleure compréhension des relations entre les variables et une identification des tendances et des modèles à privilégier. Dans ce projet, un algorithme d’IA sera développé afin de permettre la formulation et la prédiction des propriétés des revêtements en fonction des données expérimentales.

Afficher la suite

Missions principales.

Le développement de l’algorithme englobe : le prétraitement des données, la sélection des variables, l’entraînement du modèle de Machine Learning (GAN, DNN, Opt. Bayésienne), la validation du modèle et enfin l’utilisation du modèle. Les modèles obtenus peuvent ensuite être utilisés pour prédire les meilleures conditions de synthèse permettant d’optimiser les propriétés diélectriques ciblées. Des cartes tridimensionnelles descripteurs-propriétés seront ainsi produites et qui permettront une meilleure maitrise de la synthèse et des procédés associés.

Profil recherché

Savoirs :

Le (la) candidat(e), titulaire d’un diplôme de doctorat devra avoir des connaissances approfondies en IA, machine learning, deep learning et traitement de données. Des connaissances en science des matériaux et en chimie constituent un atout considérable.

Dans le cadre du décret n° 2021-1450, le candidat doit avoir obtenu un diplôme de doctorat au plus tard trois ans avant le début du contrat

Toute candidature transmise sans diplôme/attestation de réussite ou attestation indiquant la date de soutenance à venir sera considérée irrecevable.

Afficher la suite

Savoirs Faire :

Structurer et analyser des données expérimentales. Développer et entraîner des modèles de Machine Learning (DNN, GAN, optimisation bayésienne). Mettre en place des stratégies de validation et d’évaluation des modèles.

Savoirs Etre :

Rigueur et curiosité scientifique Autonomie et proactivité dans la conduite des travaux Esprit collaboratif

Niveau d'études minimum requis

• Niveau Niveau 8 Doctorat/diplômes équivalents

• Spécialisation Spécialités pluriscientifiques

Compétences attendues

Savoirs : Le (la) candidat(e), titulaire d'un diplôme de doctorat devra avoir des connaissances approfondies en IA, machine learning, deep learning et traitement de données. Des connaissances en science des matériaux et en chimie constituent un atout considérable.

Savoirs Faire : • Structurer et analyser des données expérimentales. • Développer et entraîner des modèles de Machine Learning (DNN, GAN, optimisation bayésienne). • Mettre en place des stratégies de validation et d'évaluation des modèles. Savoirs Etre : • Rigueur et curiosité scientifique • Autonomie et proactivité dans la conduite des travaux • Esprit collaboratif

Éléments de candidature

Documents à transmettre

Pour postuler à cette offre, l'envoi du CV et d'une lettre de motivation est obligatoire

Dans le cadre du décret n° 2021-1450, le candidat doit avoir obtenu un diplôme de doctorat au plus tard trois ans avant le début du contrat

Toute candidature transmise sans diplôme/attestation de réussite ou attestation indiquant la date de soutenance à venir sera considérée irrecevable.

Travail en interaction avec un doctorant pour consolider la base de données et confronter les prédictions aux résultats de synthèse et de caractérisation.

Susceptible d'être vacant à partir du 01/03/2027

Chercheuse / Chercheur