Postdoc H/F MACHINE LEARNING ET INTERPRETATION AUTOMATIQUE DES STRUCTURES GEOLOGIQUES

Missions :
Les nouvelles technologies d’intelligence artificielle apportent un renouveau dans la modélisation et la compréhension des systèmes terrestres. Le sous-sol est au premier ordre généralement contrôlé par les hétérogénéités spatiales affectées d’un haut niveau d’incertitudes. Ceci explique que le sous-sol présente plusieurs verrous scientifiques particuliers qui demandent à la fois une formalisation adaptée des connaissances géologiques et le développement d’approches d’intelligence artificielle innovantes pour que le développement des nouvelles technologies numériques puisse pleinement contribuer à la caractérisation de l’architecture du sous-sol.
Ce poste prend place dans un projet de recherche qui propose une approche innovante s’inspirant des processus cognitifs mis en œuvre par les géologues structuralistes. Ce nouveau paradigme d’assimilation automatique de données repose sur (1) une formalisation des connaissances et des processus d’interprétation dans un ontologie spécialisée, (2) sur un algorithme d’interprétation itératif basé sur une démarche d’amélioration continue, et (3) sur un apprentissage machine guidée par la théorie et les analogues de terrain.
La personne recrutée participera à 4 missions en collaboration avec les autres acteurs du projet :
Mission 1 – Participation au Développement Informatique : la première et principale des missions consistera à participer à l’implémentation de l’algorithme d’interprétation automatique à partir du prototype déjà publié (Laouici et al., 2024). Cette implémentation se fera principalement en langage python, avec l’inclusion possible de modules compilés python ou C++. Une tâche de documentation et publication de ces codes sera également associée à cette première mission. Les développements en cours portent notamment sur (1) l’amélioration de moteur d’interprétation, (2) l’applicabilité à des modèles sous forme de nuages de points ou de maillages texturés issus de la photogrammétrie, (3) l’application à des modèles géologiques 3D sous forme de surfaces triangulées.
Mission 2 – Recherche sur l’intégration de l’apprentissage machine : différentes étapes clefs du processus geocognitif implémenté dans le code d’interprétation pourraient bénéficier d’algorithmes basés sur l’apprentissage machine. Un travail de recherche sera donc à développer pour formaliser ces tâches et identifier les processus d’apprentissage les plus adaptés à leur résolution.
Mission 3 – Participation à la construction de corpus : l’apprentissage machine, mais aussi le test et développement de l’algorithme d’interprétation, nécessitent de rassembler un jeu de données conséquent sous la forme d’un corpus de structures géologiques. Il s’agira de participer à l’amélioration de ce corpus, notamment par le co-encadrement de stages de recherche M1 et M2, et par l’acquisition numérique de répliques digitales 3D d’échantillons par photogrammétrie.
Mission 4 – Publication des
Voir plus sur le site emploi.cnrs.fr...