IFP Energies Nouvelles est un acteur majeur de la recherche dans les domaines de l’énergie, du transport et de l’environnement. Intégré(e) au sein du Département Caractérisation des Matériaux, vous assurerez le développement méthodologique du traitement d’image, en particulier utilisant l’apprentissage profond, issues de techniques de microscopie, associés à des données de performances de matériaux sur des applications industrielles d’intérêts. 

La microscopie est une technique qui permet d’extraire des informations sur la morphologie et la chimie des matériaux. Les techniques de traitement d’image sont aussi importantes que les moyens d’acquisition de ces images par microscopie, et permettent d’en extraire des informations quantitatives de forte valeur ajoutée. Aujourd’hui, les méthodes d’apprentissage profond dans le cadre de l’intelligence artificielle sont devenues incontournables et permettent un gain en productivité, en représentativité et en répétabilité des opérations de traitement.

Par ailleurs, la modélisation des propriétés morphologiques des matériaux complexes par des modèles mathématiques est un axe majeur de R&I permettant de répliquer numériquement les propriétés des matériaux observés. Cette approche permet de résoudre la complexité des microstructures et d’envisager la découverte de structures nouvelles plus performantes.

Vous serez en contact direct avec les chercheurs en IA et sciences des données d’IFPEN. 

Au sein du Département Caractérisation des Matériaux de la Direction Physique et Analyse, sur l'année universitaire 2024/2025, vous serez chargé(e) de :

- Constituer des bases d’apprentissage à partir de données existantes pour des réseaux de neurones convolutifs dédiés à la reconnaissance et/ou segmentation d’objets d’intérêts,

- Entrainer ces réseaux de neurones à partir de workflows développés en collaboration avec l’équipe sciences des données d’IFPEN,

- Appliquer des réseaux de neurones à de nouvelles images et formaliser les méthodologies adaptées à différents cas,

- Prendre en main les plateformes logiciels de génération de microstructure, 

- Contribuer à l’optimisation de microstructures mathématiques vis-à-vis d’objets réels,

- Proposer une méthodologie de génération automatique de microstructures sur la base de données externes.

NON

Compétences techniques et aptitudes :

- Connaissances en traitement d’image

- Connaissances en morphologie mathématique

- Connaissances en apprentissage profond

- Affinités pour les sciences des matériaux

Autres compétences : 

Capacité d’apprendre – Curiosité scientifique – Rigueur - Motivation

Parcours ingénieur en apprentissage en mathématique appliquée et traitement d’image. Niveau BAC+5 sur l'année universitaire 2024/2025.

Alternance niveau BAC+5 sur l'année 2024/2025.