Le 22/11/2023 par Marion :

Quantification d'incertitudes en Machine Learning pour la réduction de modèles en simulation numérique

CONTEXTE
La réduction de modèle est une technique utilisée pour créer des modèles simplifiés qui peuvent être exécutés plus rapidement que les modèles de simulation complets, tout en fournissant des résultats comparables. Les méthodes non intrusives sont particulièrement utiles car elles permettent de créer des modèles réduits sans avoir à accéder aux équations sous-jacentes du système.
Cependant, il est important de comprendre que les modèles réduits sont des approximations du système complet, et qu'il existe donc des incertitudes associées aux résultats. Les techniques de quantification d'incertitudes peuvent fournir des informations sur l'exactitude et la fiabilité des résultats obtenus à partir de ces modèles permettant ainsi aux ingénieurs de prendre des décisions éclairées sur la base des résultats obtenus à partir des modèles réduits.

OBJECTIF DU STAGE
Nous recherchons un(e) stagiaire motivé(e) pour contribuer au développement de techniques de Machine Learning et de quantification d'incertitudes pour la réduction de modèle de simulations pour des applications industrielles de Saint-Gobain. Le/la stagiaire pourra en particulier :
? Développer et implémenter des algorithmes de Machine Learning pour la réduction non intrusive de modèle de simulations ;
? Contribuer à l?implémentation de méthodes de quantification d'incertitudes basées sur des librairies Python existantes (ex : MAPIE, TensorFlow, statsmodels, ?)
? Evaluer et discuter les performances et efficacité des techniques développées ;
? Analyser et interpréter les résultats, et fournir des recommandations pour leur amélioration ;
? Présenter les résultats à l'équipe et contribuer à la préparation de documentation technique.
Le stage pourra donner suite à une thèse selon les résultats obtenus et les projets du (de la) candidat(e).

PROFIL SOUHAITE
Un(e) étudiant(e) de niveau BAC+4/5 en mathématiques, physique ou dans un domaine connexe, avec de bonnes compétences en programmation Python et des connaissances en Machine Learning. Le/la candidat(e) devrait également avoir un esprit analytique de bonnes compétences en communication.

DUREE
5 à 6 mois

LIEU
Saint Gobain Recherche Paris? 39 quai Lucien Lefranc, 93303 Aubervilliers cedex

CONTACT
 BAKHTA Athmane ? Chef de Projet R&D  -  athmane.bakhta@saint-gobain.com