Stage : stage en modélisation géothermique et intelligence artificielle f/h

Retour Stage en modélisation géothermique et intelligence artificielle F/H · BRGM · Orléans, France · 17 déc., 2025 79,710 Description Le stagiaire participera au développement et à la validation d'une méthodologie innovante basée sur les réseaux de neurones informées par la physique (PINNs) pour estimer les relations porosité-perméabilité dans les réservoirs géothermiques carbonatés hétérogènes du Bassin de Paris (Dogger). La mission consistera à intégrer des données de laboratoire (carottes), des diagraphies de puits, et des lois physiques (écoulement en milieu poreux) pour produire des modèles physiquement cohérents capables de prendre en compte la variabilité des faciès et l'hétérogénéité spatiale des réservoirs. Le stage vise à concevoir, mettre en œuvre et valider un cadre méthodologique combinant des données géologiques et des lois physiques pour la caractérisation des hétérogénéités des réservoirs. Les attentes comprennent : - L’analyse et la préparation de données de laboratoire et de diagraphies de puits ; - L’intégration des contraintes physiques (écoulement en milieu poreux) et de la variabilité des faciès dans un modèle PINN ; - L’évaluation de la performance et de la cohérence physique des modèles développés ; - La production de résultats utilisables pour la modélisation 3D des propriétés des réservoirs dans un contexte géothermique. Date de début 17 déc., 2025 Profil Nous recherchons un étudiant motivé de niveau Master (ou ingénieur en dernière année) en géosciences, ingénierie des réservoirs/géothermie, mathématiques appliquées, science des données, ou dans des domaines connexes. Niveau d'études requis : bac 5 (Master 2) Expérience : débutant Période de stage: Février à Septembre 2026 Durée du stage : 6 mois Vous mobiliserez les compétences et qualités suivantes : - Solide compréhension de la modélisation des propriétés pétro physiques - milieux poreux, réservoirs carbonatés et relations porosité-perméabilité ; - Connaissance des concepts de base de l'écoulement et de la physique des roches (par exemple, Darcy law, Kozeny-Carman, statistical approach) ; - Solides compétences en Python et expérience en apprentissage automatique/apprentissage profond (PyTorch, TensorFlow ou similaire) ; - Un intérêt ou une exposition préalable aux réseaux neuronaux informés par la physique (PINN) est un avantage important ; - Capacité à travailler avec des données de carottes de laboratoire, des ensembles de données de diagraphies de puits et des données sismiques ; - Solides compétences en matière d'analyse et de résolution de problèmes ; - Intérêt pour la recherche appliquée à l'interface des géosciences et de l'intelligence artificielle (IA) ; - Bonnes aptitudes à la rédaction scientifique et à la communication en anglais ; - Motivation pour contribuer à la recherche sur l'énergie géothermique durable. Répartition du temps de travail Temps complet Durée (Mois) 6 mois