Doctorat en Géophysique et Intelligence Artificielle / Modèle fondation pour les mesures fibre-optique

Sujet de thèse :
Les avancées récentes dans le domaine du Distributed Acoustic Sensing par fibre optique (FO-DAS) transforment les observations sismologiques en permettant des mesures denses et continues des déformations du sol le long de câbles à fibre optique sur des dizaines de kilomètres. Ces systèmes génèrent des volumes de données sans précédent, capturant une grande diversité de sources sismiques tectoniques mais également environnementales, telles que les glissements de terrain, l'activité volcanique, les processus océaniques ou encore les signaux d'origine anthropique. Cependant, la grande majorité de ces données reste largement inexploitée, car les méthodes sismologiques traditionnelles reposent sur la détection supervisée et sur des classes d'événements prédéfinies. Parallèlement, les développements récents en intelligence artificielle auto-supervisée et générative ont démontré le potentiel des modèles de fondation capables d'apprendre des représentations générales de signaux complexes à partir de vastes ensembles de données non annotées. Ces approches pourraient permettre un changement de paradigme : passer d'analyses ciblées de signaux connus à une exploration systématique et exhaustive des observations sismiques continues.
Les objectifs de la thèse visent à développer le premier modèle de représentation fondationnel pour l'observation environnementale distribuée, en s'appuyant sur des observations FO-DAS à grande échelle afin d'apprendre des représentations latentes transférables des dynamiques environnementales dans des contextes géophysiques variés (milieux terrestres et marins). Le projet combinera apprentissage auto-supervisé, intelligence artificielle générative et infrastructures d'IA à grande échelle afin de permettre une exploration, une recherche (détection, caractérisation) et une surveillance des observations continues du système Terre nativement fondées sur l'IA. Les outils développés seront intégrés dans les infrastructures opérationnelles de l'EOSC, notamment au sein du nœud EOSC porté par Data Terra.
Cette thèse s'inscrit dans le cadre du projet européen GenAI4Earth (Horizon Europe), dont l'objectif est de développer et déployer des outils d'intelligence artificielle générative pour les sciences de la Terre, puis de les intégrer sous forme de services consolidés au sein des nœuds de l'European Open Science Cloud (EOSC).
Contexte :
La personne recrutée rejoindra l'unité de recherche et de services Data Terra, à l’interface entre communautés scientifiques, infrastructures de recherche et programmes européens. Le poste est localisé géographiquement à l'Ecole et Observatoire des Sciences de la Terre (EOST) au sein de l'Institut Terre et Environnement (ITES).
La thèse s'appuiera sur de vastes jeux de données FO-DAS acquis dans une grande diversité d'environnements géophysiques, notamment en milieux sous-marins, volcaniques, montagneux et urbains, afin de soutenir le dé
Voir plus sur le site emploi.cnrs.fr...