Doctorant en géosciences H/F

Sujet de thèse :
Au CNRS, à l'ISTO, sujet de thèse : Investigations multimodales assistées par le Machine Learning pour déchiffrer les processus d’accumulations de sulfure dans les gisements d’intérêt économique.

Missions : Ce projet vise à caractériser les corrélations chimiques et spatiales enregistrées dans les phases sulfurées d’échantillons naturels et expérimentaux, et à trouver des indicateurs de leurs processus de formation, comme l’origine à partir de fluides ou de liquides, le taux de croissance, et le nombre d’épisodes de croissance. Des analyses spatiales multimodales sont critiques pour cette étude à cause de la gamme de variations spatiales de l’échelle micrométrique à l’échelle centimétrique, et de la variété de données analytiques incluant FIB-MEB, EPMA, LA-ICP-MS analyses et la tomographie à rayons X. Ceci est l’innovation et le défis du projet et un problème idéal à résoudre par des algorithmes de Machine Learning pour tester les modèles de formation des sulfures qui sont déjà proposés. Le site de recherche ciblé est Noril’sk, un site bien connu sur lequel des nombreuses données existent déjà (le superviseur académique possède des échantillons). Les méthodes développées seront aussi testées pour d’autres dépôts de sulfures magmatiques pour lesquelles des échantillons sont disponibles (par exemple les depots de Sakatti et Kevitsa au Finlande, de Black Swan dans les komatiites en Australie de l’Ouest, et du Complexe de Bushveld en Afrique du Sud.

Activités : (1) Identifier de workflows statistiquement significatifs qui reconnaissent des classes de processus de formation, contribuant à terme à la prospection des dépôts de sulfures ; (2) établir des méthodes analytiques nécessaires pour obtenir des tels critères (indicateurs chimiques et spatiales) ; (3) améliorer notre connaissance de l’exploitation de données multimodales dans la géochimie des sulfures.

Contexte :
Ce projet de thèse fait partie du Doctoral Network European REALISE (https://realise-dn.eu/).
La partie principale du projet sera mené à l’Institut des Sciences de la Terre d’Orléans (ISTO, France) avec des séjours à l’Université de Péruse (Italie) et à Teledyne Photon Machines.

Des candidats fortement motivés sont recherchés pour travailler à l’interface entre pétrologie ignée, machine learning, et applications sociétales.
Les candidats recrutés ne doivent pas avoir résidé ou avoir mené leurs activités principales (travail, études) en France plus de 12 mois dans les 36 mois précédant imméditement la date de recrutement.