STAGE - Ingénieur en machine learning appliqué aux circuits photoniques (H/F) - 6 mois

Lieu : Palaiseau, France Construisons ensemble un avenir de confiance Thales est un leader mondial des hautes technologies spécialisé dans trois secteurs d’activité : Défense & Sécurité, Aéronautique & Spatial, et Cyber & Digital. Il développe des produits et solutions qui contribuent à un monde plus sûr, plus respectueux de l’environnement et plus inclusif. Le Groupe investit près de 4 milliards d’euros par an en Recherche & Développement, notamment dans des domaines clés de l’innovation tels que l’IA, la cybersécurité, le quantique, les technologies du cloud et la 6G. Thales compte près de 81 000 collaborateurs dans 68 pays. Nos engagements, vos avantages Notre savoir-faire technologique Notre attention portée à l’équilibre des collaborateurs Un environnement inclusif et bienveillant Un engagement sociétal et environnemental reconnu (Thales Solidarity, indice CAC 40 ESG…) Votre quotidien Thales Research & Technology, notre centre de recherche dans les domaines matériels, et CortAIx Labs, notre centre de recherche en IA et digital ont pour mission de proposer des innovations de ruptures, de maintenir et d’accroitre l’avance technologique et d’en assurer la compétitivité pour le groupe. En nous rejoignant, vous aurez l’opportunité de travailler sur la détection et l’analyse des signaux analogiques. Les ordinateurs numériques sont utilisés pour exécuter des algorithmes complexes, y compris ceux d’intelligence artificielle, afin d’extraire des caractéristiques, de classifier et de transformer des formes d’onde temporelles provenant du monde physique. Les ordinateurs numériques dits "universels" exécute n’importe quel algorithme ; cependant, ils ne sont pas nécessairement rapides ni économes en énergie. Le calcul analogique, qui est une idée bien plus ancienne, exploite les lois physiques pour effectuer un calcul spécialisé ; ainsi, l’efficacité et la rapidité peuvent résulter de l’évolution dynamique naturelle d’un système physique convenablement choisi. Idéalement, nous souhaitons ajuster les paramètres d’un système suffisamment complexe de sorte que, lorsqu’il reçoit une entrée correspondant à notre "question", sa sortie corresponde à la réponse souhaitée. Cette tâche, qui décrit une forme d’apprentissage automatique, n’est pas triviale et suscite un immense intérêt dans de nombreux domaines scientifiques, de la mathématique appliquée à la physique statistique et non linéaire, en passant par l’électronique, l’optique… Cela est aussi pertinent en neurophysiologie, car de telles "machines" peuvent contribuer à comprendre les principes fondamentaux du raisonnement humain, en fournissant un modèle biologiquement plausible. Dans ce contexte, vous aurez l’opportunité de vous familiariser avec ces nouvelles idées et technologies en réalisant des caractérisations optiques de la réponse dynamique de nanocavités photoniques, d’oscillateurs et de lasers. Vous utiliserez les résultats des mesures pour alimenter des modèles existants et effectuer des simulations de systèmes photoniques neuromorphiques. Votre profil STAGE – Ingénieur en machine learning appliqué aux circuits photoniques (H/F) – 6 mois Vous avez envie de découvrir le domaine de la recherche ? Vous avez pour ambition de réaliser votre stage au sein de Thales? Vous souhaitez évoluer dans un milieu international? Etudiant en Master 2, en Ecole d’ingénieur ou formation équivalente, vous avez des connaissances en : Programmation scientifique (python, julia, ...) Optique et mesure optique Physique générale, statistique, mathématique Calcul numérique Systèmes dynamiques Machine learning Anglais (niveau B2-C1 attendu). Rigueur, autonomie, curiosité et aisance dans l'analyse sont des atouts que l'on vous reconnait ? Alors ce stage est fait pour vous Tous nos stages sont conventionnés et soumis à une gratification dont le montant est déterminé selon votre niveau d’études. Thales, entreprise Handi-Engagée, reconnait tous les talents. La diversité est notre meilleur atout. Postulez et rejoignez nous #J-18808-Ljbffr