Doctorant en géosciences computationelle H/F (CDD)

Doctorant en géosciences computationelle H/F (CDD)

Orléans Vollzeit 38000 - 55000 € / Jahr (geschätzt) Kein Homeoffice möglich
B

Auf einen Blick

  • Aufgaben: Développer des méthodes d'intelligence artificielle pour la modélisation géologique innovante.
  • Unternehmen: BRGM, leader en sciences de la Terre avec une équipe passionnée.
  • Vorteile: Opportunités de recherche, environnement collaboratif et impact sociétal.
  • Weitere Informationen: Poste débutant avec des possibilités de croissance dans un domaine dynamique.
  • Warum dieser Job: Contribuez à des projets qui répondent aux défis environnementaux avec des technologies avancées.
  • Qualifikationen: Master en mathématiques appliquées ou physique, compétences en programmation et communication.

Das prognostizierte Gehalt liegt zwischen 38000 - 55000 € pro Jahr.

Rejoindre le Bureau de Recherches Géologiques et Minières (BRGM), c'est intégrer l'établissement public de référence dans les sciences de la Terre rassemblant 1 100 personnes expertes et passionnées, réparties dans 25 entités implantées en France métropolitaine et d'outre-Mer. L'activité du BRGM a pour objectif la connaissance géologique et la compréhension des phénomènes liés au sol et au sous-sol, avec un enjeu: répondre aux défis des changements environnementaux à travers des projets innovants, à enjeux sociétaux.

Ce projet de doctorat s'inscrit dans la tâche 2.2 "Développement de méthodes d'intelligence artificielle pour la caractérisation quantitative et la prévision de la circulation des fluides profonds" (responsable de tâche : R. Chassagne), au sein du "PEPR sous-sol bien commun PC9", et s'appuiera sur des données du fossé rhénan. Le ou la candidat(e) rejoindra l'équipe Géomodélisation et Data Science de la direction Connaissance et Modélisation du Sous-sol du BRGM.

L'objectif principal de cette thèse est de contribuer au développement d'un modèle global et robuste (assimilation de données) du fossé rhénan. L'approche reposera sur une assimilation de données hybride, couplant un modèle physique avec un réseau de neurones (PINNs). L'utilisation de PINNs avec contraintes souples constitue une avancée majeure : elle permet de moduler l'importance des contraintes physiques en fonction de la qualité des données et des connaissances, offrant ainsi une meilleure tolérance aux incertitudes et aux lacunes.

Pour assouplir ces contraintes et rendre les PINNs plus robustes, plusieurs approches peuvent être envisagées selon le contexte, chacune proposant différentes manières de traiter les incertitudes dans la modélisation physique :

  • PINNs pondérés (Weighted PINNs)
  • PINNs bayésiens (Bayesian PINNs)
  • PINNs stochastiques (Stochastic PINNs)
  • PINNs en ensemble (Ensemble PINNs)
  • PINNs avec décomposition de domaine (Domain-decomposition PINNs)

Les approches sélectionnées seront testées dans un cadre dédié d'assimilation de données. Leurs performances dépendront de la quantité et de la qualité des données disponibles. L'objectif est une quantification rigoureuse des incertitudes dans les prédictions finales. À terme, l'étude vise à déterminer comment intégrer de manière optimale les PINNs dans une chaîne de traitement d'assimilation de données géothermiques.

Date de début souhaitée : 01/09/2026

Formation : BAC + 5

Expérience : Débutant

Le candidat recherché possède :

  • Un diplôme de niveau Master (ou équivalent) en mathématiques appliquées, physique ou domaine connexe
  • De solides compétences en calcul et en programmation (Python, C/C++)
  • Une compréhension des écoulements de fluides en milieux poreux
  • De bonnes capacités de communication et de rédaction en anglais, ainsi qu'un esprit collaboratif

Seront appréciés :

  • Une expérience en réseaux de neurones
  • Une expérience en modélisation des écoulements de fluides en milieux poreux
  • Des connaissances en systèmes géothermiques.

Doctorant en géosciences computationelle H/F (CDD) Arbeitgeber: BRGM

Travailler au Bureau de Recherches Géologiques et Minières (BRGM) signifie rejoindre une institution publique de premier plan, où l'innovation et la passion pour les sciences de la Terre se rencontrent. Avec un environnement de travail collaboratif et des opportunités de développement professionnel, le BRGM offre à ses employés la chance de contribuer à des projets d'envergure qui répondent aux défis environnementaux actuels. De plus, la diversité des équipes et des projets permet un enrichissement constant des compétences dans un cadre stimulant et dynamique.

B

Kontaktdaten:

BRGM Recruiting-Team

StudySmarter Expertenrat🤫

Wir sind der Meinung, dass Sie so Doctorant en géosciences computationelle H/F (CDD) erhalten könnten

Tipp Nummer 1

Netzwerken ist der Schlüssel! Nutze Plattformen wie LinkedIn, um mit Fachleuten aus der Geowissenschafts-Community in Kontakt zu treten. Lass uns wissen, wenn du Hilfe beim Erstellen eines ansprechenden Profils brauchst!

Tipp Nummer 2

Bereite dich auf Vorstellungsgespräche vor, indem du häufige Fragen und spezifische Themen zu deinem Fachgebiet übst. Wir können dir helfen, Antworten zu formulieren, die deine Fähigkeiten und Erfahrungen hervorheben.

Tipp Nummer 3

Zeige deine Leidenschaft für das Thema! Wenn du über deine Projekte sprichst, betone, wie sie zur Lösung von Umweltproblemen beitragen können. Lass uns gemeinsam deine Erfolgsgeschichten aufbereiten!

Tipp Nummer 4

Bewirb dich direkt über unsere Website! Das gibt dir die beste Chance, gesehen zu werden. Wir unterstützen dich gerne bei der Vorbereitung deiner Bewerbung und der Präsentation deiner Qualifikationen.

Wir glauben, dass du diese Fähigkeiten brauchst, um Doctorant en géosciences computationelle H/F (CDD) mit Bravour zu bestehen

Mathématiques appliquées
Programmation (Python, C/C++)
Compréhension des écoulements de fluides en milieux poreux
Réseaux de neurones
Modélisation des écoulements de fluides
Systèmes géothermiques
Compétences en communication

Einige Tipps für deine Bewerbung 🫡

Mach es persönlich!:Zeig uns, wer du bist! Verwende in deinem Anschreiben eine persönliche Note und erzähle uns, warum du dich für diese Doktorandenstelle interessierst. Das macht deine Bewerbung einzigartig und hebt dich von anderen ab.

Betone deine Fähigkeiten:Stell sicher, dass du deine relevanten Fähigkeiten und Erfahrungen klar hervorhebst. Wenn du Kenntnisse in Python oder C/C++ hast, bring das zur Sprache! Wir wollen wissen, was du kannst und wie du zum Team beitragen kannst.

Sei präzise und strukturiert:Halte deine Bewerbung klar und strukturiert. Verwende Absätze, um verschiedene Themen zu trennen, und achte darauf, dass alles gut lesbar ist. Eine übersichtliche Bewerbung zeigt uns, dass du organisiert bist!

Bewirb dich über unsere Website:Vergiss nicht, dich über unsere Website zu bewerben! Das macht den Prozess für uns einfacher und sorgt dafür, dass deine Bewerbung direkt an die richtige Stelle gelangt. Wir freuen uns auf deine Unterlagen!

Wie man sich auf ein Vorstellungsgespräch bei BRGM vorbereitet

Verstehe die Anforderungen

Mach dich mit den spezifischen Anforderungen der Stelle vertraut. Lies die Stellenbeschreibung gründlich durch und überlege, wie deine Fähigkeiten und Erfahrungen zu den geforderten Qualifikationen passen. So kannst du gezielt auf die Erwartungen des BRGM eingehen.

Bereite konkrete Beispiele vor

Überlege dir konkrete Beispiele aus deiner bisherigen Erfahrung, die deine Fähigkeiten in Mathematik, Programmierung oder Datenanalyse zeigen. Wenn du über deine Kenntnisse in Python oder C/C++ sprichst, bringe spezifische Projekte oder Herausforderungen ein, die du gemeistert hast.

Zeige deine Teamfähigkeit

Da das Arbeiten im Team eine wichtige Rolle spielt, sei bereit, über deine Erfahrungen in der Zusammenarbeit mit anderen zu sprechen. Betone, wie du in der Vergangenheit erfolgreich in Gruppen gearbeitet hast und welche Rolle du dabei eingenommen hast.

Fragen stellen

Bereite einige Fragen vor, die du dem Interviewer stellen kannst. Das zeigt dein Interesse an der Position und am Unternehmen. Frage zum Beispiel nach den aktuellen Projekten im Bereich der Geomodellierung oder wie das Team die Integration von PINNs plant.