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.
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.
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.