Contexte
L'intelligence artificielle (IA) transforme radicalement les méthodologies de recherche dans divers domaines scientifiques, et la Fusion par Confinement Inertiel (FCI) ne fait pas exception. La FCI, visant la production d'énergie décarbonée via la fusion nucléaire, est un domaine stratégique avec des enjeux majeurs pour la transition énergétique. Dernièrement, le National Ignition Facility (NIF) a franchi une étape historique en réalisant la première réaction de fusion contrôlée, où l'énergie thermonucléaire générée a été supérieure à l'énergie fournie par les lasers.
Dans ce contexte, la France s'engage dans la recherche pour la production d'énergie propre, notamment à travers le projet TARANIS, sélectionné dans le cadre de l'appel à projets Bpifrance 2024 sur les « réacteurs nucléaires innovants ». Ce projet vise à développer et industrialiser la fusion nucléaire à partir de deutérium-tritium, réalisée par confinement inertiel à l'aide de lasers haute énergie. Le laboratoire CELIA, en collaboration avec le LULI (CNRS, École Polytechnique, CEA) et le CEA, apporte son expertise en lasers et en simulation multi-échelles pour relever les défis de ce domaine. L'IA est explorée comme un levier innovant pour améliorer la précision, la rapidité et l'efficacité des simulations utilisées pour concevoir des cibles optimales.
Objectifs de la Thèse
Cette thèse vise à poursuivre les travaux de recherche initiés par notre équipe, en particulier ceux de Morad Ben Tayeb (optimisation des cibles FCI avec IA générative) et de Corisande Lamy (modélisation du transport non local des électrons dans les plasmas via des réseaux de neurones). Le/la doctorant(e) sera chargé(e) de développer des solutions optimales pour les expérimentations de fusion par confinement inertiel, en utilisant des algorithmes d'IA pour optimiser les cibles FCI.
Les objectifs principaux sont :
1. Développement d'algorithmes d'IA : Utilisation de modèles comme les autoencodeurs variationnels, GANs (réseaux antagonistes génératifs), PINNs (Physics-informed Neural Networks), Opérateurs neuronaux, etc., pour prédire et optimiser les configurations de cibles FCI.
2. Génération de bases de données via des simulations hydrodynamiques : Utilisation de codes dédiés à la simulation de phénomènes de FCI pour produire des bases de données permettant d'explorer des schémas d'allumage comme le point chaud central, l'allumage par choc et la coquille dynamique ; préparation à des campagnes expérimentales dédiées.
3. Validation et optimisation des résultats : Comparaison des résultats des simulations avec des données expérimentales et modèles théoriques, et intégration des outils développés dans des codes de calcul haute performance (HPC).
4. Autres applications : Exploration d'autres domaines d'application, notamment l'optimisation d'une source de protons pour des applications à la FCI et à l'oncologie (coils, projet Doplight).
Le travail sera effectué en étroite collaboration avec des chercheurs experts en physique de la fusion, en calcul scientifique et en IA.
Début de la thèse : 01/10/2025
Funding category:
Financement d'un établissement public Français
Compétences requises
1. Simulation numérique : Expérience avec des codes de calcul scientifique et des plateformes de calcul haute performance (HPC).
2. Physique des plasmas et des lasers : Un fort intérêt pour ces domaines, avec éventuellement une première expérience dans ces secteurs, est apprécié.
3. Intelligence artificielle et machine learning : Expérience avec des techniques d'IA, notamment les réseaux de neurones et les autoencodeurs. La maîtrise d'outils comme TensorFlow, Keras ou PyTorch serait un plus.
4. Programmation : Maîtrise des langages Python, Fortran et C++ ; compétences en calcul parallèle et en traitement de données.
#J-18808-Ljbffr
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.