Postdoctorat sur la modélisation et analyses probabilistes pour la cosmologie (h/f)

Vos missions en quelques mots Missions : Contribuer au projet AstroDeep², piloté conjointement par l'APC (Université Paris Cité) et CosmoStat au CEA Paris-Saclay, afin de développer de nouvelles méthodes de modélisation et d'analyse probabilistes pour l'exploitation optimale de grands relevés astronomiques comme Euclid et Rubin/LSST. Aider à mieux traiter les effets systématiques majeurs des relevés d'imagerie de nouvelle génération, notamment les problèmes de blending, l'estimation des photo-z et des formes galactiques, ainsi que la propagation rigoureuse des incertitudes vers l'inférence cosmologique finale. Activités : - Développer et évaluer des architectures multimodales combinant imagerie et spectroscopie pour le déblending, l'estimation du photo-z et la mesure robuste des propriétés galactiques. - Construire des catalogues probabilistes de galaxies et intégrer ces sorties dans des chaînes bayésiennes de mesure du cisaillement afin de propager les incertitudes jusqu'aux résultats cosmologiques. - Participer à l'encadrement de doctorants travaillant sur ces sujets. - Selon le profil, contribuer à la curation de jeux de données, à l'évaluation de la généralisation des modèles, à la calibration des incertitudes et à l'intégration logicielle des différents modules du projet. Contexte de travail : Le projet AstroDeep² vise à exploiter tout le contenu informationnel des grands relevés d'imagerie de stade IV en développant un cadre unifié, probabiliste et différentiable pour l'analyse cosmologique. Un poste postdoctoral est ouvert à l'APC à Paris, au sein d'un environnement de recherche dynamique à l'interface entre cosmologie, statistique et science des données. L'équipe AstroDeep à l'APC est implantée au cœur de Paris et fortement impliquée dans des collaborations internationales telles qu'Euclid et le LSST DESC. Le projet et le laboratoire mettent en avant un cadre de travail collaboratif, inclusif et favorable à l'équilibre de vie, avec des avantages tels qu'une couverture santé complète, des congés, des repas subventionnés, des réductions de transport et des cours de français optionnels. Profil recherché Competences : - Doctorat, ou soutenance imminente, en astrophysique, cosmologie, statistique, apprentissage automatique ou domaine proche. - Bonne maîtrise d'au moins un des champs suivants : simulations différentiables, modélisation physique accélérée, traitement d'image astronomiques, weak lensing, deblending, inférence bayésienne, simulation-based inference ou deep learning probabiliste. - Expérience appréciée avec des frameworks comme JAX, PyTorch ou TensorFlow, ainsi qu'avec des outils de simulation ou d'analyse d'images tels que GalSim. - Solides compétences en programmation Python et en développement collaboratif (Git/GitHub, CI/CD, pratiques open source). - Capacité à conduire des travaux de recherche de manière autonome tout en contribuant efficacement à une équipe interdisciplinaire. - Très bon niveau de communication scientifique en anglais, à l'écrit comme à l'oral. - Une expérience dans de grandes collaborations astronomiques, comme Euclid ou LSST, constitue un atout sans être obligatoire. Contraintes et risques : Pas de risques particuliers. Des voyages en France ou à l'étranger sont à prévoir. Niveau d'études minimum requis Niveau Niveau 8 Doctorat/diplômes équivalents Spécialisation Formations générales Langues Français Seuil