Stage - Bac+5 - Pistage de débris spatiaux aidé par l’IA - H/F

Le Filtre de Kalman reste à ce jour l’algorithme le plus utilisé en estimation séquentielle, grâce à son efficacité et sa capacité à intégrer la physique des phénomènes observés. Cependant, dans le cas de la trajectographie de débris spatiaux en rentrée atmosphérique, la cinématique peut évoluer de manière complexe, rendant les modèles analytiques parfois inadéquats. D’un autre côté, les méthodes basées sur l’apprentissage machine (réseaux de neurones profonds) peuvent extraire des informations précieuses à partir d’une base de données et les extrapoler dans le processus d’inférence. Une stratégie intéressante est de combiner les deux approches et développer des algorithmes de pistage augmentés par les données, de type KalmanNET. Objectif du stage : le stage vise à tester et comparer les performances d'algorithmes de pistage basés sur des réseaux de neurones avec les algorithmes standards, dans un contexte où plusieurs débris peuvent être observés simultanement. Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes handicapées, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation pour l’inclusion des travailleurs handicapés. Participant à la protection nationale, une enquête administrative est réalisée pour tous les collaborateurs du CEA afin d'assurer l'intégrité et la sécurité de la nation. Filtrage de Kalman, Réseaux de neurones Python, Pytorch Bac+5