Intelligence artificielle explicable et physiquement informée pour la modélisation data-driven de systèmes dynamiques complexes
Profil de Chaire de Professeur Junior dont les mots-clés sont : IA/apprentissage profond, systèmes dynamiques, automatique, neurosciences.
La stratégie globale de SUPMICROTECH s’articule donc autour de 3 grands enjeux sociétaux, sur lesquels l’école et son laboratoire FEMTO-ST se positionnent, avec comme ambition partagée de développer et faire progresser les connaissances
et les technologies dans le domaine des micro- et nanotechnologies : environnement, transports et énergie verte ; santé et biomédical ; numérique et intelligence artificielle (industrie du futur ou 4.0).
Le profil du poste s'inscrit aussi de manière plus globale dans les thématiques soutenues par la politique de site de l'Université Marie et Louis Pasteur (UMLP) au travers son Institut de Technologie dans lequel SUPMICROTECH est pleinement intégré. L'Enseignant Chercheur recruté devra ainsi contribuer à accroître la transformation pédagogique et l'attractivité internationale des formations Masters de l’institut de technologie de l’UMLP. La participation à la construction d’un lien Recherche-Formation de l’espace régional d’enseignement supérieur et de recherche sera encouragée, notamment en travaillant sur les ponts entre les formations d’ingénieur de SUPMICROTECH et les Masters de l’Institut de Technologie. Il pourra bénéficier du support du projet PIA Graduate School EIPHI dans le cadre de ses divers appels à projets, qu’ils concernent la Formation ou la Recherche.
L’objectif de cette CPJ est de mettre en place un programme de recherche s’inscrivant dans la thématique l’IA explicable et physiquement-informée pour la modélisation de systèmes dynamiques, et de piloter une vision forte et originale pour la place de l’IA dans le projet scientifique et pédagogique de l’établissement. Ce programme de recherche vise à développer la prochaine génération d’outils d’apprentissage automatique pour contrôler des systèmes physiques ou physiologiques complexes, en découvrant avec une approche orienté données des modèles physiquement interprétables de systèmes dynamiques à partir de données temporelles. Le projet pourra par exemple s’inscrire dans l’émergence récente de méthodes data-driven d’identification de systèmes dynamiques (ex. physics-informed neural networks, PDE discovery, operator learning) issues de la communauté du « scientific machine learning ». Ces travaux pourront trouver leur application notamment dans la modélisation de systèmes biologiques, pour fournir de nouveaux outils de diagnostic ou de pronostic en neurosciences ou en cancérologie, ou de nouvelles techniques de micromanipulation pour la caractérisation cellulaire ou la chirurgie.
Composition du dossier
o Formulaire de candidature saisie en ligne
o Pièce d’identité avec photographie
o Une pièce attestant de la possession d’un doctorat, tel que prévu à l’article L.612-7
du code de l’éducation ou d’un diplôme dont l’équivalence est reconnue selon la
procédure fixée au 1° de l’article 5 du décret du 17 décembre 2021
o Rapports de soutenance et de pré-soutenance de thèse
o Présentation analytique (CV, travaux, ouvrages, articles, réalisations)
Le dossier doit être déposé au plus tard le 2 juin 2025.
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.