postdoctorant en physique des ions lourds
Enregistrez cette offre et organisez votre recherche
Créez un compte gratuit pour enregistrer des offres d'emploi, créer des alertes et revenir à cette liste depuis votre tableau de bord.
En continuant, vous acceptez nos Conditions d’utilisation & Politique de confidentialité.
Vos missions en quelques mots
Missions :
Le projet ANR BEAUT, dirigé par le LPSC avec l’IPHC (Strasbourg) et l’IP2I (Lyon) comme partenaires, s’intéresse à l’une des grandes questions ouvertes de la chromodynamique quantique (QCD). Il s’agit de savoir quelles sont les propriétés de transport de la matière déconfinée. Le projet veut, pour la première fois, extraire à partir des collisions Pb–Pb du Run 3 de l’expérience ALICE au LHC (√(s_NN ) = 5,36 TeV), le coefficient de diffusion spatiale des quarks lourds, D_s (T), dans le plasma de quarks et de gluons (PQG). Le quark beau est ici une sonde idéale. Son temps de relaxation est plus long que la durée de vie de la boule de feu. Sa distribution finale en impulsion garde donc directement la trace de D_s (T), sans être perturbée par des effets de thermalisation partielle ou de rediffusion hadronique.
La personne recrutée travaillera sur la partie « jets de beauté » du projet, sous la direction du LPSC. Elle sera responsable, dans le groupe ALICE du LPSC et sous la supervision scientifique du coordinateur du projet, de plusieurs tâches. D’abord, elle développera un algorithme d’identification des jets issus de quarks beaux (« b-tagging ») basé sur l’apprentissage automatique, adapté à l’environnement de forte multiplicité des collisions Pb–Pb. Ensuite, elle mesurera le facteur de modification nucléaire R_AA et l’anisotropie azimutale v_2 des jets de b. Elle étudiera aussi leur sous-structure pour tester la persistance de l’effet de cône mort (« dead-cone ») dans le milieu dense. Enfin, elle participera à l’extraction Bayésienne combinée de D_s (T) à partir de toutes les observables du consortium, incluant les hadrons B exclusifs, les jets de b et les J/ψ non prompts à rapidité avant.
Le contrat durera 36 mois. Il se divisera en trois phases successives. D’abord, il faudra développer et valider l’étiqueteur. Ensuite, il s’agira de mesurer le R_AA, le v_2 et la sous-structure des jets de b. Enfin, il faudra participer à l’extraction de D_s (T) et préparer, à la fin du contrat, la validation des outils d’analyse pour le Run 4 avec le détecteur ITS3
Activités :
Activités principales
Concevoir, entraîner et valider un étiqueteur de jets de beauté fondé sur des réseaux de neurones sur graphes (GNN) et récurrents (RNN), selon le paradigme ParticleNet/DeepJet, combinant simultanément l’ensemble des informations disponibles au niveau des traces (significativité du paramètre d’impact, position et masse du vertex secondaire, multiplicité de vertex déplacés, impulsion, identification des particules), à partir de simulations PYTHIA8 + GEANT4 incluant la digitisation complète de l’ITS2 ;
Valider l’étiqueteur sur les données pp à l’aide d’échantillons enrichis et appauvris en beauté, puis l’adapter aux collisions Pb–Pb par des techniques d’adaptation de domaine ; quantifier les biais induits par l’usage de la simulation et en évaluer la robustesse, notamment par une validation croisée sur le
Voir plus sur le site emploi.cnrs.fr...
Profil recherché
Competences :
• Doctorat en physique expérimentale des particules, physique nucléaire ou physique des ions lourds (ou discipline connexe) ; expérience avérée en analyse de données auprès d’un collisionneur ;
•Bonne maîtrise de Python et de C++, de ROOT, ainsi que des environnements de calcul distribué (grille, centre de calcul) ;
•Maîtrise de l’apprentissage automatique appliqué à la physique des hautes énergies (réseaux de neurones profonds, de préférence GNN/RNN) et de l’un au moins des environnements usuels (PyTorch, TensorFlow), y compris l’entraînement sur GPU ;
•Connaissance de la physique des jets et des quarks lourds, du b-tagging et de la phénoménologie des collisions d’ions lourds ultra-relativistes ;
•Des connaissances en inférence statistique Bayésienne, comme les méthodes MCMC, seront appréciées. Une expérience dans la Collaboration ALICE et avec le framework O2 serait un atout.
Savoir-être
•Autonomie, rigueur scientifique et capacité à conduire un projet de recherche de bout en bout, attestées par au moins une publication ou une note de collaboration dans le domaine ;
•Aptitude au travail collaboratif au sein d’un consortium multi-sites et d’une grande collaboration internationale ;
•Très bonne maîtrise de l’anglais scientifique, à l’écrit et à l’oral.
Contraintes et risques :
Niveau d'études minimum requis
- Niveau Niveau 8 Doctorat/diplômes équivalents
- Spécialisation Formations générales
Langues
- Français Seuil