H/f postdoctorat en caractérisation chimique des couches picturales par ia et modèles à 2 et 4 flux

Vos missions en quelques mots Missions : Le/la post-doctorant(e) développera une approche d’analyse des données d’imagerie hyperspectrale appliquée aux couches picturales, fondée sur le couplage entre modèles physiques de transfert radiatif (approches à deux et quatre flux) et apprentissage automatique. Il/elle mettra en œuvre et entraînera des architectures de réseaux de neurones, notamment de type Physics-Informed Neural Networks (PINNs), afin d’intégrer les contraintes physiques dans le processus d’apprentissage et d’améliorer l’identification et la quantification des pigments et liants. Le travail inclura la génération de données spectrales simulées à partir des modèles physiques, l’entraînement et l’optimisation des modèles d’apprentissage, ainsi que leur validation sur des données d’imagerie hyperspectrale d’objets patrimoniaux. Activités : Le/la post-doctorant(e) conduira des travaux de recherche visant à développer et implémenter des modèles hybrides combinant modélisation physique du transfert radiatif et apprentissage profond pour l’analyse de données d’imagerie hyperspectrale. Il/elle sera responsable de la conception et du développement des modèles numériques, notamment d’architectures de réseaux de neurones intégrant des contraintes physiques (Physics-Informed Neural Networks), ainsi que de l’implémentation et de l’optimisation des algorithmes associés. Le/la chercheur(e) analysera et interprétera les données spectrales expérimentales et simulées, évaluera les performances des modèles développés et participera à leur amélioration méthodologique. Il/elle contribuera également aux échanges scientifiques au sein du laboratoire et avec les partenaires du projet, ainsi qu’à la valorisation des résultats à travers des publications, présentations scientifiques et le partage de données et d’outils développés. Contexte de travail : Le/la post-doctorant(e) sera accueilli(e) au Centre de Recherche sur la Conservation (CRC – UAR 3224 CNRS / MNHN / Ministère de la Culture), au sein du pôle Couleurs et Effets visuels. Le projet s’inscrit dans le domaine des sciences du patrimoine et vise à développer des méthodes innovantes pour l’analyse non invasive des matériaux picturaux à partir de données d’imagerie hyperspectrale. Le/la chercheur(e) évoluera dans un environnement interdisciplinaire à l’interface entre physique, chimie, science des données et conservation-restauration du patrimoine culturel. Il/elle bénéficiera de l’expertise du laboratoire en caractérisation des matériaux picturaux, en modélisation optique et en imagerie scientifique, ainsi que d’un accès aux équipements d’imagerie hyperspectrale et aux collections patrimoniales étudiées dans le cadre des activités du laboratoire. Profil recherché Competences : Le/la candidat(e) devra être titulaire d’un doctorat en physique, chimie, optique, traitement du signal, science des données ou discipline connexe. Il/elle devra posséder de solides compétences en modélisation physique et/ou en apprentissage automatique, ainsi qu’une expérience en développement d’algorithmes scientifiques (Python, Matlab ou équivalent). Une expérience en réseaux de neurones profonds, en particulier dans l’analyse de données spectrales ou d’imagerie, sera fortement appréciée. Des connaissances en propagation de la lumière dans les milieux diffusants, en spectroscopie ou en imagerie hyperspectrale constitueront un atout. Le/la candidat(e) devra également faire preuve d’autonomie, de rigueur scientifique et de capacité à travailler dans un environnement interdisciplinaire. Une bonne maîtrise de l’anglais scientifique (oral et écrit) est requise pour la rédaction d’articles et la communication des résultats. Contraintes et risques : Niveau d'études minimum requis Niveau Niveau 8 Doctorat/diplômes équivalents Spécialisation Formations générales Langues Français Seuil