Thèse : hybridation physique/ia pour la prévision météorologique (h/f)

La personne recrutée développera de nouvelles méthodologies de prévision météo régionale utilisant des réseaux de neurones (DNNs). Elle se focalisera en particulier sur la prévision d'événements météorologiques extrêmes et utilisera des bases des données météorologiques fournies par Météo-France [py4cast, 2025 ; Anemoi 2024]. Cette application est particulièrement adaptée au développement de nouvelles solutions hybrides de la prévision météo pour deux raisons principales : (1) bien que complexe, la dynamique des phénomènes atmosphériques peut généralement être modélisée par des modèles mathématiques utilisant un nombre raisonnable de variables physiques ; (2) les observations d'événements météorologiques extrêmes utilisées dans les bases d’apprentissage des DNNs sont beaucoup plus rares que celles d’événements standards. Cela induit un fort risque de mauvaise généralisation des DNN si aucune précaution n'est prise pendant l'apprentissage (même phénomène que les hallucinations des modèles linguistiques), en particulier dans un contexte où les propriétés du climat évoluent.


Contexte de travail

Cette thèse sera réalisée à l'Institut de Mathématiques de Toulouse (IMT, UMR CNRS 5219), à l'Université de Toulouse et au Centre Européen de Recherche et de Formation Avancée en Calcul Scientifique (CERFACS), en collaboration avec le Centre national français de Recherche Météorologique (CNRM - UMR 3589), tous réunis dans une chaire de l'Institut d'Intelligence Artificielle et Naturelle Toulouse (ANITI). La personne recrutée sera en contact avec des chercheurs en IA d'ANITI, de l'IMT et du CERFACS, ainsi qu'avec des chercheurs/ingénieurs en prévisions météorologiques du CNRM (Météo-France). Les méthodes d’hybridation entre réseaux de neurones et modèles physiques seront idéalement développées en tant qu’extensions de la bibliothèque ANEMOI du Centre européen des prévisions météorologiques à moyen terme.