Suivez

la liste

Au sein du laboratoire LIAD (Laboratoire d'Intelligence Artificielle et de science des Données) appartenant au service SGLS (Service de Génie Logiciel pour la Simulation) du CEA-Saclay, vous évoluez dans une équipe spécialisée dans le traitement des incertitudes en simulation numérique.
Le post-doctorat DALLIAE (Détection d'Anomalies sur les Lignes de Lumière du synchrotron par Intelligence Artificielle Explicable) vise à proposer une méthode générique basée sur les graphes causaux (bayésiens) afin de détecter les anomalies lors des expériences sur les lignes de lumières et leur interprétabilité. Parmi les graphes causaux, on s’intéressera en particulier aux graphes dirigés acycliques (DAG). L’enjeu est de trouver les liens causaux simples (un paramètre) et joints (combinaison de paramètres) les plus pertinents pour caractériser les causes d'une anomalie. On s'intéressera également à la quantification des incertitudes associées aux liens causaux identifiés afin de s'assurer de leur pertinence. Cette recherche de causalité est d’autant plus difficile du fait de la variété des instruments, des paramètres, de leur modification au cours de l’expérience, du nombre combinatoire des effets joints à étudier et de la sous-représentation des anomalies dans les données.
En pratique, cette méthode permettra de limiter l’impact des anomalies de fonctionnement des grands instruments de rayon X du synchrotron lumière dont il est nécessaire de connaître les liens entre les caractéristiques du faisceau et les paramètres physiques de l’optique des lignes. Des anomalies/variations soudaines ou lentes peuvent ainsi être observées avec le temps comme des aberrations de focalisation qui affectent directement la qualité et la rapidité des mesures. Ainsi, pouvoir comprendre et caractériser les causes de ces dysfonctionnements et des écarts au fonctionnement optimal de la chaîne de mesures est un enjeu majeur pour rétroagir rapidement et garantir une fiabilité maximale d’exploitation de la ligne de lumières ou de laser. Bien qu’il existe dans la littérature en intelligence artificielle de nombreuses méthodes de détection d’anomalies, elles sont généralement basées sur la corrélation qui est peu efficace pour traduire les relations de cause à effet nécessaires aux utilisateurs des lignes de lumière afin de proposer les rétroactions les plus pertinentes.
Dans ce cadre, nous recherchons un ou une post-doctorant(e) ayant des connaissances soit en recherche ou inférence causale soit en quantification d’incertitudes.
Vous trouverez la présentation détaillée du sujet du post-doctorat et de l’environnement via le lien : https://www.gdr-mascotnum.fr/media/cea_saclay_post-doctorat_dalliae.pdf