Le tokamak WEST est équipé de multiples diagnostics qui permettent d'étudier la physique du plasma de fusion. Ces diagnostics acquièrent, pour chaque choc, de nombreux signaux de différents types (série temporelle, série spectrale, ...), qui sont ensuite stockés dans une base de données interne.
Lors d'une campagne expérimentale, il peut s'opérer jusqu'à 50 chocs par jour, pour lesquels il faut s'assurer de la qualité des données.
Il est souhaité aujourd'hui le développement d'un outil, basé sur des techniques de machine learning, qui puisse informer les physiciens en charge de mener les expériences, d'irrégularités potentielles dans les données des diagnostics, participant ainsi à l'aide à la décision.
Dans un premier temps, un modèle de détection d'anomalie sur les données du système d'interféro-polarimétrie, permettant d'obtenir la densité en temps réel, sera développé.Vous rejoindrez le groupe GC3I (Groupe Calcul Intensif et Infrastructures Informatiques) de l'IRFM et travaillerez avec, à la fois, des experts en Intelligence Artificielle et des chercheurs.ses en physique des plasmas de fusions, dans un contexte international.
Missions :
Le/La stagiaire sera en charge de développer un modèle IA de détection d'anomalies sur les séries temporelles issues du diagnostic d'interférométrie. Les tâches identifiées sont:
- Constructions de la base de données réduite représentative et la préparation des données
- Développement de l'algorithme d'entraînement et évaluation des performances du modèle au travers de métriques définies
- Mise en production et test in-situ du modèle
- Rédaction de la documentation et du rapport de stage
Durée : 3-5 mois
