fr

Doctorat en Mathématiques Appliquées : Apprentissage actif avec entrées fonctionnelles : application à la conception de la fiabilité des éoliennes

Doctorat en Mathématiques Appliquées : Apprentissage actif avec entrées fonctionnelles : application à la conception de la fiabilité des éoliennes

France 31 août 2024
IFP Energies nouvelles IFPEN

IFP Energies nouvelles IFPEN

Université étatique, Parcourir ses opportunités similaires

DÉTAILS OPPORTUNITÉ

Université étatique
Région
Pays hôte
Date limite
31 août 2024
Niveau d'études
Type d'opportunité
Spécialités
Financement d'opportunité
Financement complet
Pays éligibles
Cette opportunité est destiné à tous les pays
Région éligible
Toutes les régions

5 février 2024
Informations sur l'emploi
Organisation/Entreprise

IFP Energies nouvelles (IFPEN)
Département

Mathématiques appliquées
Domaine de recherche

Mathématiques » Statistiques
Profil de chercheur

Chercheur de première étape (R1)
Pays

France
Date limite d'inscription

31 août 2024 - 23:59 (Europe/Paris)
Type de contrat

Temporaire
Statut du travail

À temps plein
Heures par semaine

35
Date de début de l'offre

4 novembre 2024
Le poste est-il financé par le programme-cadre de recherche de l'UE ?

Non financé par un programme de l'UE
L'emploi est-il lié au poste du personnel au sein d'une infrastructure de recherche ?

Non

Description de l'offre

De nombreuses applications à IFPEN s'appuient sur des simulateurs coûteux en calcul qui prennent en entrée des variables scalaires, mais aussi des variables fonctionnelles représentant, par exemple, la géométrie de pièces mécaniques, ou des conditions environnementales spatio-temporelles (comme le vent). Dans ce contexte de simulateurs coûteux, il est souvent nécessaire d’utiliser un modèle de substitution pour évaluer efficacement la sortie d’intérêt pour un grand nombre de valeurs de paramètres d’entrée. Ce modèle de substitution est généralement construit de manière adaptative par une méthodologie d'apprentissage actif, à partir de simulations associées à une conception initiale de taille limitée. Ce design est ensuite enrichi à l'aide de critères adaptés à l'objectif opérationnel, comme l'optimisation des grandeurs d'intérêt ou l'estimation de l'ensemble des paramètres réalisables. En présence de variables fonctionnelles dans les entrées du simulateur, les approches de méta-modélisation et de conception expérimentale doivent être adaptées. Les approches classiques s'appuient sur des méthodes de réduction de dimension ou d'extraction de caractéristiques, les variables fonctionnelles étant représentées dans l'espace réduit ainsi défini. Cette étape préalable de réduction dimensionnelle induit nécessairement une perte d'information qu'il convient de quantifier, voire de contrôler au cours de la procédure.

L'objectif de cette thèse est de développer des approches d'apprentissage actif pour la construction d'un modèle de substitution prenant comme entrées des variables fonctionnelles et scalaires, travaillant directement dans l'espace fonctionnel des entrées, et donc sans réduction de dimension préalable. Les méthodes développées seront évaluées sur plusieurs applications d'optimisation de forme et pour l'estimation de domaines réalisables dans la conception d'éoliennes et les processus de captage du CO2.

Mots clés : Apprentissage actif, incertitudes, optimisation, plans d'expériences

Directrices académiques : Clémentine PRIEUR et Céline HELBERT

Ecole Doctorale : ED 217 MSTII, Université Grenoble Alpes


Exigences
Domaine de recherche
Mathématiques » Statistiques
niveau d'éducation
Master ou équivalent

Compétences/qualifications

Master en Statistiques ou Machine Learning ou Optimisation


Exigences particulières

Langages de programmation : R et/ou Python


Langues
ANGLAIS
Niveau
Excellent

Informations Complémentaires
Avantages

IFP Energies nouvelles est un centre public français de recherche, d'innovation et de formation. Sa mission est de développer des technologies efficaces, économiques, propres et durables dans les domaines de l'énergie, des transports et de l'environnement. Pour plus d'informations, consultez notre site WEB.

IFPEN offre un environnement de recherche stimulant, avec accès à des infrastructures de laboratoire et informatiques de premier ordre. IFPEN propose des packages salariaux et sociaux compétitifs. Tous les doctorants ont accès à des séminaires et sessions de formation dédiés.


Lieu(x) de travail
Nombre d'offres disponibles
1
Entreprise/Institut
Laboratoire Jean Kuntzmann
Pays
France
Ville
Saint Martin d'Hères
Code Postal
38400
Rue
150 place du Torrent

Nombre d'offres disponibles
1
Entreprise/Institut
IFP Energies nouvelles
Pays
France
Ville
Rueil Malmaison
Code Postal
92852
Rue
1 et 4 avenue de Bois Préau
Champ géographique


Où postuler
E-mail

[email protégé]

Contact
Ville

Rueil Malmaison
Site web

http://www.ifpenergiesnouvelles.com/
Rue

4 avenue de Bois-Préau
Code Postal

92852

STATUT : EXPIRÉ

Autres organisations


Ajouter votre question

Choisissez votre destination d'études


Choisissez le pays que vous souhaitez le visiter pour étudier gratuitement, travailler ou faire du bénévolat

Vous trouverez aussi


Mots clés


bourses doctorales 2025 Programme de doctorat Thèses de doctorat