Description du Poste Sujet De Thèse Les avancées récentes dans le domaine du Distributed Acoustic Sensing par fibre optique (FO-DAS) transforment les observations sismologiques en permettant des mesures denses et continues des déformations du sol le long de câbles à fibre optique sur des dizaines de kilomètres. Ces systèmes génèrent des volumes de données sans précédent, capturant une grande diversité de sources sismiques tectoniques mais également environnementales, telles que les glissements de terrain, l'activité volcanique, les processus océaniques ou encore les signaux d'origine anthropique. Cependant, la grande majorité de ces données reste largement inexploitée, car les méthodes sismologiques traditionnelles reposent sur la détection supervisée et sur des classes d'événements prédéfinies. Parallèlement, les développements récents en intelligence artificielle auto-supervisée et générative ont démontré le potentiel des modèles de fondation capables d'apprendre des représentations générales de signaux complexes à partir de vastes ensembles de données non annotées. Ces approches pourraient permettre un changement de paradigme : passer d'analyses ciblées de signaux connus à une exploration systématique et exhaustive des observations sismiques continues.Les objectifs de la thèse visent à développer le premier modèle de représentation fondationnel pour l'observation environnementale distribuée, en s'appuyant sur des observations FO-DAS à grande échelle afin d'apprendre des représentations latentes transférables des dynamiques environnementales dans des contextes géophysiques variés (milieux terrestres et marins). Le projet combinera apprentissage auto-supervisé, intelligence artificielle générative et infrastructures d'IA à grande échelle afin de permettre une exploration, une recherche (détection, caractérisation) et une surveillance des observations continues du système Terre nativement fondées sur l'IA. Les outils développés seront intégrés dans les infrastructures opérationnelles de l'EOSC, notamment au sein du nœud EOSC porté par Data Terra.Cette thèse s'inscrit dans le cadre du projet européen GenAI4Earth (Horizon Europe), dont l'objectif est de développer et déployer des outils d'intelligence artificielle générative pour les sciences de la Terre, puis de les intégrer sous forme de services consolidés au sein des nœuds de l'European Open Science Cloud (EOSC). Votre Environnement de Travail La personne recrutée rejoindra l'unité de recherche et de services Data Terra, à l’interface entre communautés scientifiques, infrastructures de recherche et programmes européens. Le poste est localisé géographiquement à l'Ecole et Observatoire des Sciences de la Terre (EOST) au sein de l'Institut Terre et Environnement (ITES). La thèse s'appuiera sur de vastes jeux de données FO-DAS acquis dans une grande diversité d'environnements géophysiques, notamment en milieux sous-marins, volcaniques, montagneux et urbains, afin de soutenir le développement d'approches d'apprentissage auto-supervisé et génératif à grande échelle pour l'observation environnementale. Les travaux s'inscriront dans une collaboration internationale associant le Helmholtz Centre for Geosciences (GFZ), le Spanish National Research Council (CSIC) et IFREMER. Ils contribueront au développement de services nativement fondés sur l'intelligence artificielle pour l'exploration, l'indexation et la recherche sémantique à grande échelle des observations DAS au sein de l'écosystème de l'European Open Science Cloud.Profil recherchéNous recherchons une candidate ou un candidat très motivé(e), disposant d'une solide formation en science des données, intelligence artificielle, traitement du signal, géophysique ou mathématiques appliquées. La personne recrutée devra être titulaire d'un diplôme de Master (ou équivalent) dans l'un de ces domaines et démontrer de solides compétences en programmation et en analyse de données. Une expérience des architectures d'apprentissage profond (transformers, autoencodeurs, apprentissage contrastif ou modèles génératifs) constituera un atout important. Une familiarité avec les données géophysiques ou sismologiques sera appréciée mais n'est pas indispensable. Contraintes et risques Aucun risque identifié Rémunération et avantages Rémunération La rémunération est d'un minimum de 2300,00 € mensuel Congés et RTT annuels 44 jours Pratique et Indemnisation du TT Pratique et indemnisation du TT Transport Prise en charge à 75% du coût et forfait mobilité durable jusqu’à 300€ À propos de l’offre Référence de l’offre UAR2013-JEAMAL-005 Section(s) CN / Domaine de recherche Terre et planètes telluriques : structure, histoire, modèles À propos du CNRS Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d’associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement. Le CNRS Les métiers de la recherche
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.