(H/F) Ingénieur·e de recherche en apprentissage par renforcement pour la morphogenèse

Missions :
Le ou la candidat·e retenu·e développera un cadre computationnel appliqué pour modéliser et piloter des processus de morphogenèse à l’aide d’approches d’apprentissage par renforcement, en particulier dans des contextes multi-agents où les cellules sont représentées comme des agents interagissant dans des environnements simulés 2D/3D.

L’objectif sera de concevoir, implémenter et évaluer des stratégies d’apprentissage permettant de guider l’émergence de structures tissulaires cibles sous contraintes mécaniques et biologiques. Le poste aura une forte composante de développement méthodologique et logiciel, avec une articulation étroite entre simulations, apprentissage machine et interaction avec des données ou questions biologiques concrètes.

Selon l’avancement du projet, ces développements pourront être étendus à des questions de biologie synthétique du développement, notamment pour la conception in silico de règles de contrôle ou de circuits guidant l’auto-organisation multicellulaire
Activités :
Ses activités principales seront de :
• Développer des environnements de simulation de morphogenèse adaptés à l’apprentissage par renforcement, en lien avec des modèles multicellulaires basés sur agents et des contraintes mécaniques/biophysiques.
• Concevoir et implémenter des approches d’apprentissage par renforcement, idéalement multi-agent, pour apprendre des politiques cellulaires conduisant à des formes, organisations ou dynamiques collectives cibles.
• Définir et tester des fonctions objectif et signaux de récompense pertinents pour des problèmes de morphogenèse, par exemple liés à la forme finale, à la robustesse, à la stabilité, à la segmentation, ou à des propriétés d’organisation spatiale.
• Mettre en place des stratégies pratiques pour traiter des difficultés classiques du RL dans ce contexte, notamment récompenses rares, stochasticité biologique, coût de calcul élevé, transfert entre simulations rapides et modèles plus réalistes.
• Construire et maintenir une chaîne de calcul reproductible : pipelines de simulation, entraînement, évaluation, suivi d’expériences, visualisation, benchmarks et documentation logicielle.
• Contribuer à l’intégration, à l’optimisation et à la parallélisation des codes sur ressources HPC/GPU, dans un cadre de recherche computationnelle intensive.
• Interagir étroitement avec les biologistes, biophysicien·nes et profils computationnels de l’équipe pour orienter les développements vers des questions biologiques pertinentes.
• Participer à la valorisation scientifique du projet : rédaction de documentation, dépôts logiciels, figures, présentations, et contribution à des publications.
• Selon l’évolution du projet, contribuer à des développements exploratoires liés à la biologie synthétique du développement et à la conception inverse de comportements collectifs ou de circuits de contrôle pour tissus synthétiques.
Contexte de travail :
Le ou la candidat·e
Voir plus sur le site emploi.cnrs.fr...