Chercheur(euse) post-doctorant(e) en physique des accélérateurs — optimisation par intelligence artific

Le Centre national de la recherche scientifique est un organisme public de recherche pluridisciplinaire placé sous la tutelle du ministère de l’Enseignement supérieure et de la Recherche. Créé en 1939 et dirigé par des scientifiques, il a pour mission de faire progresser la connaissance et être utile à la société dans le respect des règles d’éthique, de déontologie et d’intégrité scientifique.

Missions :
GANIL est partenaire du projet européen iRIS (intelligent Research Infrastructure Sustainability, Horizon Europe, coordonné par le CERN) [https://www.irisproject.eu]. Ce projet vise à réduire l’empreinte environnementale des grandes infrastructures de recherche par des méthodes d’intelligence artificielle. Le CNRS y pilote le lot de travaux WP2 GreenBeam , consacré à l’optimisation IA de la durabilité des accélérateurs de particules.
Les missions pour ce projet sont :
-Développer et valider les méthodes d’apprentissage automatique et d’optimisation permettant d’atteindre l’objectif contractuel du projet pour le site : réduire de 30-50 % les temps de réglage en construisant les modèles de substitution (surrogates) de la machine et en refermant la boucle d’optimisation sur le système de contrôle.
-Porter la contribution scientifique du GANIL au livrable Operational accelerator data and instrumentation toolkit (M13), dont le CNRS est responsable, et alimenter les livrables du lot de travaux concerné.

Activités :
1. Instrumentation et acquisition des données d’exploitation de CIME (tâche T2.2, pilotée par le CNRS)
— Définir et mettre en oeuvre les procédures de mesure et l’instrumentation permettant de relier réglages machine et performance faisceau CIME ; établir les protocoles de pré-traitement et les jeux de caractéristiques (features) associés.
— Alimenter le magasin de caractéristiques FAIR (Findable, Accessible, Interoperable, Reusable) du projet et garantir la transférabilité des données et des modèles vers les autres infrastructures du consortium.
2. Modèles de substitution et optimisation IA des réglages de CIME (tâche T2.3)
— Développer les modèles de substitution de CIME à partir des données d’exploitation et des codes de dynamique faisceau, et les intégrer aux cadres de conception (XSuite/Cheetah/Propriétaire) et d’optimisation (GeOFF) retenus par le projet.
— Mettre en œuvre les algorithmes d’optimisation (optimisation bayésienne, apprentissage par renforcement) pour le réglage assisté de la machine, et refermer la boucle avec le système de contrôle commande selon le schéma retenu par le projet iRIS : les algorithmes proposent les réglages, l’opérateur valide, la machine s’adapte.
3. Réduction de la consommation énergétique et des temps de réglage de CIME
— Caractériser et réduire les postes de consommation liés à l’exploitation ; quantifier les gains par rapport à la ligne de base, en visant les objectifs contractuels du projet pour la machine.
— Assurer l’interface avec les équipes d’exploitation et la salle de commande du GANIL ; documenter et publier les résultats (conférences IPAC/ICALEPCS/MALAPA, revues) ; participer aux réunions du consortium iRIS et évènements ARTIFACT (artifact-network.org).

Contexte de travail :
Le Grand Accélérateur National d'Ions Lourds est une infrastructure nationale de recherche basée sur l’utilisation des faisceaux d'ions.
Voir plus sur le site emploi.cnrs.fr...

Le Centre national de la recherche scientifique est l’une des plus importantes institutions publiques au monde : 34 000 femmes et hommes (plus de 1 000 laboratoires et 200 métiers), en partenariat avec les universités et les grandes écoles, y font progresser les connaissances en explorant le vivant, la matière, l’Univers et le fonctionnement des sociétés humaines. Depuis plus de 80 ans, y sont développées des recherches pluri et interdisciplinaires sur tout le territoire national, en Europe et à l’international. Le lien étroit que le CNRS tisse entre ses missions de recherche et le transfert vers la société fait de lui un acteur clé de l’innovation en France et dans le monde. Le partenariat qui le lie avec les entreprises est le socle de sa politique de valorisation et les start-ups issues de ses laboratoires (près de 100 chaque année) témoignent du potentiel économique de ses travaux de recherche.

Competences :
Domaine de compétences :
Physique des accélérateurs, dynamique faisceau, apprentissage automatique appliqué aux accélérateurs (modèles de substitution, séries temporelles), optimisation (bayésienne, apprentissage par renforcement). Une expérience en réglage et exploitation des cyclotrons est un plus mais n’est pas obligatoire.
Niveau d’emploi :
Doctorat en physique des accélérateurs, physique appliquée ou discipline proche, avec une expérience démontrée en apprentissage automatique appliqué aux accélérateurs (ou réciproquement).
Savoir-faire :
— Maîtrise de Python et de l’écosystème ML (PyTorch ou équivalent, scikit-learn) ; outils d’optimisation appliqués aux accélérateurs (Xopt, optimisation bayésienne, apprentissage par renforcement). La connaissance de GeOFF/Badger et de XSuite/Cheetah est un plus.
— Pratique des codes de transport et de dynamique faisceau (TraceWin, MAD-X, XSuite ou équivalents). La connaissance des systèmes de contrôle d’accélérateurs (EPICS ;) est un plus.
— Analyse de données d’exploitation (archives, diagnostics, mesures de consommation) ; instrumentation et acquisition ; rigueur de validation en environnement opérationnel.
— Savoir communiquer ses résultats en réunion et en conférence, rédiger des rapports d’avancement, des livrables de projet européen et des articles. La maîtrise de l’anglais est obligatoire (expression et écriture) ; le français est un plus (interactions avec les équipes d’exploitation).
Savoir-être :
— Aptitude au travail en équipe hétérogène (physiciens, opérateurs, informaticiens) et internationale ; autonomie et adaptabilité.
— Organisation et sens des priorités, dans le respect des échéances contractuelles d’un projet européen ; esprit d’initiative et sens du service à l’exploitation.

Contraintes et risques :
Le GANIL étant classé Installation Nucléaire de Base (INB), la personne recrutée devra être habilitée à travailler en zone surveillée et contrôlée dans le respect de la réglementation et des procédures applicables en matière de sécurité et de sûreté nucléaire.
Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que l’arrivée de la personne recrutée soit autorisée par l'autorité compétente du MESR.
Des déplacements ponctuels sont à prévoir en France et en Europe (réunions du consortium iRIS, campagnes de mesure sur les installations partenaires, conférences )