Plateforme Emploi Argenteuil
Postée il y a 3 heures
Rejoignez Dassault Systèmes pour façonner l’avenir de l’apprentissage automatique basé sur les données pour les simulations numériques accélérées. L'équipe R&D Multiphysics Science & Technology recherche un(e) Chercheur-se en Machine Learning hautement motivé(e), prêt(e) à transformer les simulations traditionnelles basées sur la physique grâce à des algorithmes de réseaux de neurones de pointe.
Dans ce poste à temps plein, vous vous concentrerez sur le développement et l'amélioration d'algorithmes de réseaux de neurones entraînés à partir de données historiques issues de simulations numériques basées sur la physique (par exemple, éléments finis ou volumes finis). Votre travail contribuera de manière significative à l’avancement de la recherche en apprentissage profond géométrique et physique pour créer des modèles de substitution 3D destinés à des applications industrielles et en sciences de la vie.
Mener des recherches et développer des méthodes innovantes d’apprentissage automatique non paramétriques pour accélérer les simulations physiques.
Concevoir, entraîner, valider et optimiser des réseaux de neurones à l’aide de frameworks ML de pointe (ex : PyTorch, TensorFlow, JAX).
Évaluer la fiabilité prédictive et l’efficacité computationnelle des modèles ML par rapport aux simulations physiques traditionnelles.
Relever des défis concrets à fort impact dans les domaines de la conception, de la fabrication et des sciences de la vie.
Collaborer avec des leaders industriels mondiaux, des institutions de recherche et des équipes pluridisciplinaires.
Se tenir informé des tendances émergentes en apprentissage profond géométrique, en IA informée par la physique et en méthodes numériques.
Participer à la création de pipelines de données pour la gestion de données issues de sources variées (clients ou internes).
Contribuer aux activités de développement logiciel pour la création de preuves de concept en vue d'une industrialisation (Python ou C++).
Documenter et maintenir les modèles, expériences, pratiques et résultats pour une intégration logicielle ou une publication (conférences / revues scientifiques).
Doctorat en méthodes numériques, informatique, machine learning ou domaine connexe. Une expérience de 3 à 6 ans est un atout.
Excellente maîtrise du développement d’algorithmes de réseaux de neurones et de l'encodage géométrique pour l’apprentissage profond de PDE physiques.
Solide compréhension de la modélisation physique et des méthodes de simulation numérique (un plus !).
Maîtrise avancée de Python ou C++, avec une expérience pratique des frameworks ML tels que PyTorch, TensorFlow ou JAX.
Expérience démontrée en développement logiciel scientifique en C++ moderne et en développement Agile (un plus !).
Fortes compétences analytiques et en résolution de problèmes, avec une attention particulière à l’efficacité, la précision et la scalabilité des modèles.
Connaissance en gestion de configuration de logiciels commerciaux à grande échelle, structures de données et algorithmes liés aux logiciels de CAO/IAO (un plus !).
Autonomie, adaptabilité et capacité à évoluer dans un environnement de recherche dynamique et rapide.
Excellentes compétences en communication et en collaboration, capable de travailler de manière indépendante ou au sein d’équipes pluridisciplinaires réparties géographiquement.
Maîtrise de l’anglais, à l’écrit comme à l’oral.
Nous rejoindre c'est aussi :