Stage sur la modélisation renforcée par apprentissage H/F

Informations générales

Entité de rattachement

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.

Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :

• La conscience des responsabilités
• La coopération
• La curiosité
  

Référence

2024-33976  

Description de l'unité

Le CEA-List est un institut de recherche de la Direction de la recherche technologique du CEA (DRT) et a pour mission de développer des innovations à haute valeur ajoutée dans son domaine d'excellence : les systèmes numériques intelligents.
Les programmes de recherche du CEA-List sont centrés sur l'industrie du futur, le jumeau numérique, l'intelligence artificielle et la confiance numérique. L'objectif est de contribuer à la compétitivité des partenaires industriels par l'innovation et le transfert technologique.
Le stage se déroulera au sein du Laboratoire d'ingénierie des langages exécutables et optimisation (LIDEO) du Département Ingénierie Logiciels et Systèmes (DILS) du CEA LIST.
Ce laboratoire développe des méthodes et des outils pour la conception, la simulation et l'analyse de systèmes complexes.

Description du poste

Domaine

Mathématiques, information  scientifique, logiciel

Contrat

Stage

Intitulé de l'offre

Stage sur la modélisation renforcée par apprentissage H/F

Sujet de stage

Apprentissage de modèles qualitatifs par analyse de sensibilité

Durée du contrat (en mois)

6

Description de l'offre

La maîtrise des systèmes complexes est une activité difficile à mener à bien et qui impacte aujourd’hui de nombreux domaines industriels ou de recherche. Elle pose des problèmes de modélisation et de simulation par la nature hétérogène des données impliquées, avec des aspects discrets et continus. Deux approches sont possibles. Les méthodes quantitatives, dont les analyses sont numériques, sont les plus utilisées : leurs résultats sont précis mais elles sont très consommatrices de temps et de ressources. Les méthodes qualitatives reposent sur une interprétation symbolique des modèles, et peuvent être utilisées sans connaître tous les paramètres numériques, en s’appuyant sur des relations de dépendance entre variables [TD03]. Elles sont moins précises mais peuvent s’appliquer très tôt dans la phase de conception et permettent certaines analyses de preuve de propriétés et d’optimisation qui sont incomplètement couvertes par les méthodes quantitatives ou numériques [TK02].

Les travaux déjà effectués au laboratoire LIDEO du CEA LIST sur la modélisation et la simulation qualitative [ZYDGT18] [GGB23] seront enrichis par l’apport d’une méthode outillée d’apprentissage de modèles symboliques (e.g. qualitatifs) à partir de données d'un modèle numérique, intégrant des informations relatives à l’analyse de sensibilité [SCS00].

Un état de l’art sera effectué au préalable sur les techniques existantes d’analyse de sensibilité en s’appuyant sur les travaux et outils déjà disponibles au CEA (plateforme Uranie [BDAG09]). Une maquette sera réalisée qui pourra être appliquée sur des cas d’études d’exemples industriels, pour l’optimisation de la consommation de ressources par un système manufacturier.

  Publications :

 [SCS00] A. Saltelli and K. Chan and E. M. Scott. Sensitivity analysis. Wiley Series in Probability and Statistics. Wiley,2000

 [BDAG09] Jean-Baptiste Blanchard*, Guillaume Damblin, Jean-Marc Martinez, Gilles Arnaud and Fabrice Gaudier. The Uranie platform: an open-source software for optimisation, meta-modelling and uncertainty analysis, EPJ Nuclear Sci. Technol, Volume5, 2019.

[TD03] Travé-Massuyès Louise, Dague Philippe, Modèles et raisonnements qualitatifs ; TraitéIC2, série Systèmes automatisés, ISBN : 9782746207448, 2003.

[TK02] Tiwari, A., and Khanna, G. (2002). Series of abstractions for hybrid automata. In Hybrid Systems: Computation and Control, LNCS 2289, 465-478, Springer.

 [ZYDGT18] Zaatiti, H., Ye, L., Dague, P., Gallois, J.-P., and Trave-Massuyes, L. (2018). Abstractions refinement for hybrid systems diagnosability analysis. In Diagnosability, Security and Safety of Hybrid Dynamic and Cyber-Physical Systems, 279-318, Springer.

[GGB23] Gueuziec, B., Gallois, J.-P., and Boulanger, F. (2023). Qualitative reasoning and cyber-physical systems: abstraction, modeling, and optimized simulation. In MoDeVVa

2023-20th Workshop on Model Driven Engineering, Verification and Validation.

 

Moyens / Méthodes / Logiciels

simulation, raisonnement qualitatif, apprentissage, analyse de sensibilité

Profil du candidat

Etudiant(e) master 2 en informatique ou école d’ingénieur

Localisation du poste

Site

Saclay

Localisation du poste

France

Ville

Palaiseau

Critères candidat

Diplôme préparé

Bac+5 - Master 2

Formation recommandée

Master 2 ou Ecole d'Ingénieur

Possibilité de poursuite en thèse

Oui