Doctorat(e) en l'émulation par apprentissage automatique des cavités sous les plateformes de glace de l

Sujet de thèse :
Les projections de l'élévation du niveau de la mer sont établies à l'aide de modèles du système Terre (ESM). Les incertitudes associées à ces projections découlent principalement des incertitudes et d'une représentation imparfaite des interactions entre la calotte glaciaire de l'Antarctique (AIS) et l'océan. La glace de l'AIS s'écoule du continent vers l'océan pour former des plateformes de glace flottantes, dont la base est soumise à la fonte induite par la chaleur océanique. Parallèlement, les modifications de la géométrie de ces plateformes, provoquées par la fonte d'origine océanique, influent sur la vitesse d'écoulement de la glace vers l'océan, ce qui, en retour, modifie les taux de fonte. Une représentation précise de ces interactions couplées nécessite un modèle couplant calotte glaciaire et océan, une fonctionnalité absente de la plupart des ESM de pointe. Actuellement, les projections du niveau de la mer reposent généralement sur des modèles de calotte glaciaire indépendants, pilotés par des données issues d'ESM qui n'intègrent pas de modèle couplé de calotte glaciaire. Bien que des efforts soient en cours pour intégrer les interactions couplées calotte glaciaire-océan au sein des ESM, les hautes résolutions requises pour modéliser les cavités sous les plateformes de glace rendent cette approche relativement coûteuse en ressources, compte tenu du grand nombre de simulations d'ensemble nécessaires pour établir les projections. Ce projet vise à explorer le couplage entre les composantes océan et calotte glaciaire au moyen d'un émulateur basé sur l'apprentissage automatique, simulant la circulation au sein des cavités sous les plateformes de glace.

Bien que l'objectif ultime du projet soit de concevoir un émulateur capable de fournir les flux de masse, de chaleur et de sel échangés entre un modèle de calotte glaciaire et un modèle océanique, la première étape consistera à émuler la circulation au sein des cavités sous les plateformes de glace, à partir des résultats d'un modèle océanique ne prenant pas explicitement en compte ces cavités. En s'appuyant sur des travaux antérieurs, le candidat élaborera des stratégies pour construire un ensemble représentatif de cavités synthétiques, de sorte que celles correspondant à des états futurs plausibles de la calotte glaciaire antarctique soient incluses dans ce jeu de données. Un modèle océanique numérique intégrant des cavités sous les plateformes de glace — statiques mais thermodynamiquement actives — sera ensuite utilisé pour générer un jeu de données d'apprentissage pour l'émulateur de circulation. Le candidat testera différentes architectures d'apprentissage automatique et définira des métriques pertinentes sur le plan physique pour évaluer les performances de l'émulateur. Il étudiera également la sensibilité de ces performances à la disponibilité des données d'entrée issues de modèles océaniques indépendants. Dans la second
Voir plus sur le site emploi.cnrs.fr...