Thèse sur le développement d’outils d’apprentissage automatique pour la compréhension des systèmes dynamiques en science des matériaux

France
Publié il y a 1 an
Organisation/Entreprise
CNRS
Département
Sciences et Ingénierie, Matériaux, Procédés
Domaine de recherche
La physique
Profil de chercheur
Chercheur de première étape (R1)
Pays
France
Date limite d’inscription
Type de contrat
Temporaire
Statut du travail
À temps plein
Heures par semaine
35
Date de début de l’offre
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

Cette thèse sera menée dans le cadre du projet international ANR SOLIMAT avec l’Allemagne et co-dirigée entre les laboratoires SIMAP et LIG. Des déplacements réguliers en Allemagne seront prévus pour le bon déroulement du projet.

Le but est d’étudier l’évolution des atomes lors de la cristallisation d’un métal. En effet, à l’état liquide, un système est composé d’atomes sans structure, tandis qu’à l’état cristallin, une structure parfaite apparaît dans l’ordre des atomes. L’illustration montre le cas du tantale, avec une structure en réseau cubique à faces centrées pour le cristal rouge et un désordre complet pour le liquide bleu. Au cours du processus de cristallisation, les atomes s’alignent, mais la manière dont ils s’organisent n’est pas encore bien comprise.
Dans cette thèse, nous proposons de développer une méthode d’apprentissage automatique qui construira des groupes (clusters) sur le modèle dynamique. Dans un premier temps, on observe le liquide, on s’attend donc à un amas très hétérogène. A la fin du processus, on observe le cristal, on s’attend donc à un amas très homogène. Mais au cours du processus, nous espérons voir émerger différents clusters, qui montreront la géométrie de la cristallisation et la compétition entre les structures.
Cette étude a été initiée à heures fixes dans le cadre d’une précédente thèse [1]. Dans ce projet, nous souhaitons prolonger ce travail en incluant la dynamique.
D’un point de vue modélisation, un atome est considéré avec ses voisins comme ayant une vision de la structure locale. Habituellement, une structure locale est constituée de l’atome et de ses plus proches voisins, mais les travaux de la thèse de Sébastien Becker [1] ont montré des informations plus riches dans le second voisinage. On peut alors considérer la trajectoire de ces structures comme des séries temporelles et chercher à regrouper ces structures, ces groupes évoluant dans le temps.
L’apprentissage non supervisé, ou construction de groupes, est un problème classique en apprentissage automatique, et de nombreuses méthodes ont été développées [2] (classification hiérarchique, voisinage, modèles de mélange, …). L’aspect temporel est fondamental dans ce projet : l’évolution des groupes dans le temps est le principal objet d’étude à conclure en science des matériaux. Une idée est de segmenter le temps en intervalles homogènes, au sein desquels un clustering fixe peut être effectué [3]. L’hypothèse de segmentation est néanmoins forte sur ces données qui évoluent de manière plutôt continue. On peut alors s’inspirer de la méthode temporelle développée dans [4], qui pénalise les regroupements afin d’avoir des groupes cohérents avec le temps. Cependant, ici, nous souhaitons que les groupes soient construits sur des réseaux (chaque individu est un réseau), donc l’encodage de ces données nécessite du travail.
L’idée est de développer un modèle paramétrique, analysable a posteriori sur des données de cristallisation.

Exigences

Domaine de recherche
La physique
niveau d’éducation
Doctorat ou équivalent
Langues
FRANÇAIS
Niveau
Basique
Domaine de recherche
La physique
Années d’expérience en recherche
Aucun

Informations Complémentaires

Site Web pour plus de détails sur le travail

Lieu(x) de travail

Nombre d’offres disponibles
1
Entreprise/Institut
Sciences et Ingénierie, Matériaux, Procédés
Pays
France
Ville
ST MARTIN D HERE

Contact

Ville
ST MARTIN D HERE
Site web

Caractéristiques de l'emploi

Catégorie emploiDoctorat

Postuler en ligne

Check Also

Des pompes à chaleur qui exploitent l’énergie du son

Les machines faciles à installer réduisent les émissions de CO2 de 80 % L’Agence internationale …