Offre d'emploi n° 17689032

Post-Doctorant F/H Physics informed neural networks with scale symmetry

Type de contrat : CDI
Localisation : Seine-Maritime - Palaiseau
Entreprise : INRIA
Fonction : Commercial - Vente

Publiée le 20/11/2025
Expérience souhaitée : 1 à 2 ans
Niveau d'études souhaité : Bac / Bac Pro

Description du poste

Contexte et atouts du poste

Dans le cadre d’un partenariat

  • public avec ANR avec IMT Atlantique et Ladhyx
  • L’ objectif est de

    The research to be conducted in this post-doc is at the interface between physics and machine learning with objectives going in both directions, i.e. using ML to solve physics problems and using
    physics concepts to set up new ML models.
    The objective is twofold:
    - Develop a physics informed neural architecture with build-in exact or approximate scale symmetry, allowing it to extrapolate predictions on unseen scales during training.
    - Exploit such an architecture to develop new renormalization schema.


    In (i) the goal is to investigate the possibility of extrapolation with neural networks to improve the study of natural phenomena characterized by scale free patterns. For this
    we want to develop a NN architecture which by construction may include strict or approximate symmetry, which could be adapted to describe systems at criticality or close to it.
    The search for a good architecture will be guided by physical knowledge on scale invariance and renormalization.
    Overall this goes in the line of bringing new symmetries in NNs, here in a way that can be seen as allowing the model to extrapolate.

    In (ii) we want to leverage the newly developed architecture, trained on data emanating from a particular system, to provide us in return with new insights into the properties of
    a phase transition point.

    Des déplacements réguliers sont prévus pour ce poste ?

    conférences et workshops pris en charge sur le budget ANR.

    Mission confiée

    Missions :
    Avec l'aide de Cyril Furtlehner, la personne recrutée sera amenée à développer des méthodes nouvelle permettant d'apprendre et de modléliser des données issues de phénomènes critiques caractérisées par des propriétés d'invariance d'échelle.

    Pour une meilleure connaissance du sujet de recherche proposé :
    Un état de l'art, une bibliographie, des références scientifiques sont disponibles à l'URL n'hésitez à pas à vous y connecter

    Collaboration :
    La personne recrutée sera en lien avec Christophe Josserand et Carlos Granero Belinchon dans le cadre du projet ANR.

    Responsabilités :
    La personne recrutée a la charge d'une partie du workpackage 2 et prendra des initiatives pour animer des groupes de travail avec les doctorants sur ce sujet.

    Pilotage/Management :
    La personne recrutée aura la responsabilité de conduire des recherches originales à même de faire progresser les connaissances.

    Principales activités

  • activité théoriques, concernant l'études des symmétries dans les machines de Boltzmann restreintes par ex.
  • développement d'algorithmes pour prédire l'évolution à grande échelle de phénomènes rarement observés basées sur des observation fréquentes à petite échelle.
  • Compétences

    Compétences techniques et niveau requis :

  • connaissances étendues en physique statistique, machine learning et mathématiques
  • familiarité avec les outils numériques liés à l'apprentissage machine
  • Avantages

  • Restauration subventionnée
  • Transports publics remboursés partiellement
  • Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
  • Possibilité de télétravail et aménagement du temps de travail
  • Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
  • Prestations sociales, culturelles et sportives (Association de gestion des œuvres sociales d'Inria)
  • Accès à la formation professionnelle
  • Sécurité sociale
  • Rémunération

    2788€ brut mensuel par mois

    Je postule directement sur le site de l'entreprise