Description du poste
Domaine
Mathématiques, information scientifique, logiciel
Contrat
Stage
Intitulé de l'offre
Stage - Bac+5 - Apprentissage statistique pour la prévision de la rentrée atmosphérique - H/F
Sujet de stage
Lorsqu'une navette spatiale ou une capsule rentre dans les couches denses de l'atmosphère, elle décélère fortement tandis qu'une onde de choc se forme, provoquant une montée en température et d'importants transferts de chaleur à la paroi. La prévision de cette décélération est un enjeu essentiel, notamment pour assurer la trajectographie du véhicule par des senseurs externes. Elle peut être effectuée en corrigeant la simulation numérique à l'aide d'expériences représentatives de rentrée atmosphérique, menées dans le cadre d'essais en vol. Il s'agit d'un problème à la frontière de l'apprentissage statistique et de la calibration bayésienne de code.
Durée du contrat (en mois)
5-6 mois
Description de l'offre
Le stage fera suite à de travaux récents au CEA-CESTA pours lesquels une approche, inspirée du formalisme KOH (Kennedy O Hagan [1]), largement répandu en calibration bayésienne de code, et basée sur des processus gaussiens [2], permet de réaliser la prévision souhaitée. Elle repose sur un échantillonneur HMC (Hamiltonian Monte Carlo) [3] dynamique, dénommé NUTS (No-U-Turn Sampler [4]), qui est une méthode MCMC (chaîne de Markov Monte Carlo). Le stage portera sur l'extension de l'approche potentiellement dans plusieurs directions. Aidé de son encadrement, le stagiaire mettra en place une approche multi-types propre à permettre l'exploitation de différents types d'expériences de rentrée. De plus, il concevra et mettra en oeuvre un échantillonneur de Gibbs qui sera comparé à l'approche existante. Enfin, le stagiaire développera des diagnostics de convergence. L'objectif sera de produire in fine un outil numérique pour la prévision sur des données réelles ou simulées.
[1] Kennedy, M. C., & O'Hagan, A. (2001). Bayesian calibration of computer models. Journal of the Royal Statistical Society: Series B (Statistical Methodology), 63(3), 425-464.
[2] Rasmussen, C. E., & Williams, C. K. (2006). Gaussian processes for machine learning (Vol. 1, p. 159). Cambridge, MA: MIT press.
[3] Neal, R. M. (2011). MCMC using Hamiltonian dynamics. Handbook of MCMC, 2(11), 2.
[4] Hoffman, M. D., & Gelman, A. (2014). The No-U-Turn sampler: adaptively setting path lengths in Hamiltonian Monte Carlo. J. Mach. Learn. Res., 15(1), 1593-1623.Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes en situation de handicap, cet emploi est ouvert à tous et toutes. Participant à la protection nationale, une enquête administrative est réalisée pour tous les salariés du CEA afin d'assurer l'intégrité et la sécurité de la nation.
Profil du candidat
probabilités, statistiques, informatique scientifique
matlab
Bac+5
Localisation du poste
Site
Cesta
Localisation du poste
France, Nouvelle-Aquitaine, Gironde (33)
Ville
LE BARP
Je me crée un espace candidat
