Commit f86f3599 authored by Anne Cadiou's avatar Anne Cadiou
Browse files

Merge branch 'master' of gitlab.math.unistra.fr:groupe-calcul/website into dev-anne

parents 061667ee 2ec7a184
Pipeline #8063 passed with stages
in 56 seconds
Title: Ingénieur en calcul haute performance H/F
Date: 2020-02-28 17:26
Slug: job_be0a49d87e806da86b5221370a4b1ebc
Category: job
Authors: Pierre FERY-FORGUES
Email: pierre.fery-forgues@ifp.fr
Job_Type: CDI
Tags: cdi
Template: job_offer
Job_Location: Rueil Malmaison
Job_Duration:
Job_Website: https://emploi.ifpen.fr/offre-de-emploi/emploi-ingenieur-en-calcul-haute-performance-h-f_260.aspx
Job_Employer: IFP Énergies Nouvelles
Expiration_Date: 2020-05-22
Attachment:
Contexte
IFPEN est un centre de recherche traitant des problèmes scientifiques et techniques liés à la transition énergétique. Nos chercheurs ont de plus en plus recours à la simulations numérique pour étudier les phénomènes physiques rencontrés. Assurer la meilleure performance possible de ces codes de calcul sur les architectures matérielles actuelles et futures est un enjeu majeur pour nous.
Mission(s) principale(s) et activités
Le poste que nous proposons aujourd'hui vise à renforcer l'équipe HPC de la direction Sciences et Technologies du Numérique d'IFPEN. Il comprend à la fois des aspects recherche et développement :
- d'une part, vous participez à la recherche menée à IFPEN dans le domaine du HPC ;
- d'autre part, en collaboration avec les chercheurs en charge des modèles physiques et numériques, vous intervenez sur les différents codes de calcul, pour en améliorer la performance sur les architectures cibles.
Critères candidat
Diplôme(s), niveau d'études
Thèse en HPC.
Expérience(s) professionnelle(s) souhaitée(s) (nature, durée, précisez si débutant accepté)
Expérience de développement d'importants codes de calcul parallèle.
Compétences techniques et aptitudes
- Programmation : C, C++, MPI, OpenMP, SIMD, CUDA, OpenACC.
- Analyse de performance : profileurs et outils de d'analyse dans un environnement HPC.
- Architectures calcul haute performance : processeurs (x86, ARM,… ) et accélérateurs.
- Connaissances en calcul scientifique et numérique.
- Aptitude à travailler en équipe avec des interlocuteurs d'horizons différents (mécanique des fluides/solides, géosciences, chimie,...).
- Publication des travaux de recherche.
- Participation au montage de projets collaboratifs.
Title: Closed-Loop Flow Control by Plasma Discharge and Machine Learning
Date: 2020-03-20 09:45
Slug: job_bf291de0d14ce799e517a0b126c1dfb0
Category: job
Authors: Laurent CORDIER
Email: Laurent.Cordier@univ-poitiers.fr
Job_Type: Thèse
Tags: these
Template: job_offer
Job_Location: Institut Pprime (Poitiers)
Job_Duration: 3 ans
Job_Website: https://pprime.fr/
Job_Employer: CNRS
Expiration_Date: 2020-04-30
Attachment: job_bf291de0d14ce799e517a0b126c1dfb0_attachment.pdf
**Department:** Fluids, Thermal and Combustion Sciences
**Research teams:** Incompressible Turbulence and Control (ITC) / Electro-Fluido-Dynamics (EFD)
**PhD advisor:** Laurent CORDIER (DR CNRS – Pprime/ITC, Poitiers)
**Co-PhD advisor:** Philippe TRAORE (MCF HDR Université de Poitiers – Pprime/EFD, Poitiers)
**Contact for information:** Laurent.Cordier@univ-poitiers.fr
**3-year contract:** 1715 € raw monthly salary. 50% funding guaranteed.
**Key-words:** flow control, closed-loop, plasma actuators, Machine Learning, Neural Networks, Reinforcement Learning
**Framework.**
In recent years, continuous progress has been made on the performance of both civilian and military aircraft and helicopters, particularly in terms of flight envelope, radiated noise, maneuverability, vibration, etc. However, further improvements can be achieved by using closed-loop fluid flow control around the machine. Compared to mechanical blowing or suction actuators more often used in flow control, the advantages of plasma actuators come from their non-intrusive nature, low-energy cost, and particularly short-reaction times. These actuators are generally composed of a system of electrodes installed on one of the walls of the area to be controlled. By applying a sufficient potential difference between these electrodes, a plasma discharge is generated, inducing an ion wind which creates a flow tangential to the wall in order to accelerate the flow, and especially modify the velocity profile in the boundary layer.
**Objectives.**
The efficiency of plasma actuators depends to a large extent on their positions on the wall, as well as on numerous other control hyper-parameters (number of electrodes, distances between them, potential difference or electrical power, shape of the electrical signal, frequency of the discharge, etc.). The objective of the thesis is to determine these parameters in order to optimize a previously established performance function. For this, a numerical optimization tool coupling simulation of complex electrostatic phenomena and closed-loop control will be developed. The work will be organized in two broadly coupled axes: i) development of efficient control strategies by machine learning, ii) improvement of the understanding and physical modeling of the mechanisms at work.
**Work program, methodologies and means.**
We propose to numerically derive closed-loop control strategies of different flows. We will treat the numerical simulation aspects of physical mechanisms (electrodynamics and fluid mechanics) and the development of innovative control strategies (Data Driven approaches based on machine learning methods).
We will study two rather emblematic types of flows:
- The flow behind an obstacle (cylinder, wing profile, backward facing step). This type of strongly separated flow is particularly interesting in cases where the objective of the control is to increase aircraft stealth.
- The mixing layer developing at the interaction of two coaxial jets (see Figure). In this application, the objective is to increase the mixing efficiency between the two jets by exciting the mixing layer with plasma discharges.
In the first part of this thesis, we will simulate the plasma discharge by solving the transport equations of the different electrons and densities of ionic species present in the gas. We will implement in Oracle 3D, the code developed in the EFD team, a 3-species model taking into account the reality of the physical mechanisms. In the second part, we will develop closed-loop control strategies based on machine learning methods, mainly neural networks and reinforcement learning.
This subject is supported by a half scholarship awarded by the “Direction Générale de l’Armement”. Additional funding will be requested within the framework of the Labex Interactifs (Pprime). This topic is at the heart of the CNRS Research Group "Flow Control Separations", whose Director is Laurent Cordier (Pprime).
**Applicant profile, prerequisites.**
Master in Fluid Mechanics / Applied Mathematics / Machine Learning. Appetite for interdisciplinary approaches and machine learning. Desire to go beyond the borders.
Title: Ingénieur·e de recherche en calcul scientifique
Date: 2020-06-04 15:47
Slug: job_c056ef0b33bd32f5e67453cb7cb06629
Category: job
Authors: Sylvain Capponi, François Lignières
Email: capponi@irsamc.ups-tlse.fr
Job_Type: Concours
Tags: concours
Template: job_offer
Job_Location: Toulouse
Job_Duration:
Job_Website: http://www.dgdr.cnrs.fr/drhita/concoursita/consulter/resultats/consulter.htm
Job_Employer: CNRS
Expiration_Date: 2020-08-27
Attachment:
(English below)
Un poste d’ingénieur·e de recherche en calcul scientifique est proposé au concours externe CNRS au Laboratoire de Physique Théorique (LPT-UMR 5152) et à l’Institut de Recherche en Astrophysique et Planétologie (IRAP-UMR 5277) à Toulouse. Il s'agit d'un poste permanent de fonctionnaire titulaire. Il est ouvert à tous, sans condition de nationalité. Il faut être titulaire d'un doctorat ou d'un diplôme d'ingénieur (quelques autres diplômes sont possibles). Le concours peut être consulté à:
http://www.dgdr.cnrs.fr/drhita/concoursita/consulter/resultats/consulter.htm
Pour candidater, il faut se rendre sur
http://www.dgdr.cnrs.fr/drhita/concoursita/
On y trouve aussi un guide du candidat expliquant comment candidater.
Le concours correspondant est le no 53, qui contient deux postes similaires dont celui du LPT-IRAP et un autre poste au laboratoire de Mécanique, Modélisation et Procédés Propres (M2P2-UMR7340) à Marseille. Il est possible de candidater sur les deux postes, en précisant un ordre de préférence, ou sur un seul d'entre eux.
La date limite est le 2 juillet.
Pour toute information détaillée sur ce poste, vous pouvez contacter:
- Au LPT: Sylvain Capponi : capponi@irsamc.ups-tlse.fr
- A l'IRAP: François Lignières : francois.lignieres@irap.omp.eu
***************************************************************************
Profil du poste:
L'expert.e en calcul scientifique exercera son activité dans le cadre d'une fonction mutualisée entre le Laboratoire de Physique Théorique (LPT) à 50% et l'Institut de Recherche en Astrophysique et Planétologie (IRAP) à 50 %. Il/elle apportera une expertise dans l'utilisation des méthodes algorithmiques/mathématiques et leur adaptation aux différentes architectures machine ainsi que le développement, l'optimisation, la maintenance et la diffusion de codes parallèles pour résoudre numériquement des problèmes de physique quantique ou classique au cœur de l'activité du LPT et des problèmes de dynamique des fluides astrophysiques et physique des plasmas au cœur de l'activité de l'IRAP. Il/elle sera placé.e sous la responsabilité hiérarchique du Directeur du LPT.
Activités :
ACTIVITES PRINCIPALES :
- Développer avec les chercheurs des codes scientifiques hautement parallèles et optimisés pour des calculateurs de très haute performance
- Concevoir, développer ou adapter des méthodes en calcul scientifique
- Participer à la valorisation des travaux, notamment en diffusant à la communauté scientifique des codes/bibliothèques développés à l'IRAP et au LPT.
- Assurer une veille technologique sur l'évolution des architectures matérielles (GPU...) et des méthodes numériques en lien étroit avec les centres de calculs régionaux et nationaux et en collaboration avec les autres personnels informaticiens de l'Institut de Recherche sur les Systèmes Atomiques et Moléculaires Complexes (IRSAMC) et de l'Observatoire Midi-Pyrénées (OMP)
- Assurer le transfert des connaissances, des savoir-faire, et des bonnes pratiques auprès des chercheurs : participer à la formation des utilisateurs du calcul numérique intensif, diffuser et valoriser les méthodes et outils développés.
ACTIVITES ASSOCIEES :
- Participer à des projets de recherche au plan national et international et aux publications associées
- Encadrer ou co-encadrer des étudiants (stagiaires, thésards) ou des ingénieurs sur des projets numériques
- Présenter les codes/méthodes développés dans des colloques/conférences dédiées
- Participer à l'animation scientifique autour du calcul au niveau OMP/IRSAMC
Compétences :
Savoirs généraux, théoriques ou disciplinaires :
-Connaissance générale des mathématiques appliquées en particulier dans le domaine de l'analyse numérique : algèbre linéaire, équation différentielles aux dérivées partielles (EDP), calculs stochastiques...
-Connaissance approfondie des techniques de programmation (notamment les langages Fortran, C, C++ et Python), de parallélisation (MPI, OpenMP...) et d'optimisation
-Connaissance générale des bibliothèques de programmes de calcul scientifique
-Connaissance générale des architectures des ordinateurs et systèmes distribués et des systèmes d'exploitation
-Connaissance générale des outils de qualité logiciel favorisant l'interface utilisateur
Savoir-faire opérationnels :
-Comprendre et analyser le problème scientifique posé
-Identifier les méthodes numériques, les techniques d'optimisation et de programmation ainsi que les tests de validation adaptés aux problématiques scientifiques
-Mettre en œuvre des langages de programmation (Fortran, C, C++ et Python)
-Mettre en œuvre des méthodes de gestion et management de projet
-Travailler en interaction avec une ou plusieurs équipes de recherche
-Autonomie, prise d'initiative
-Anglais technique : lu, parlé, écrit. Niveau B « utilisateur indépendant » selon le cadre européen commun de référence pour les langues.
Contexte :
Le LPT (50 personnes) est impliqué dans de nombreux domaines de la physique, et est un gros utilisateur de calcul scientifique intensif sur des centres de calcul internes au LPT, régionaux (CALMIP) et nationaux (GENCI/IDRIS). Les codes, souvent hautement parallèles, sont majoritairement produits par les chercheurs du LPT et leurs collaborateurs et concernent des calculs de mécanique quantique (Monte-Carlo, algèbre linéaire, fonctionnelle de la densité...) en physique électronique/magnétisme de la matière condensée et des agrégats, mais aussi en physique classique (Monte-Carlo, dynamique moléculaire...), par ex en biophysique et matière molle. Les codes doivent être conçus dès le départ pour des machines de très haute performance ou optimisés a posteriori.
L'IRAP (300 personnes) comporte une forte composante théorie/modélisation pour laquelle la simulation numérique est l'outil principal. Cette activité est cruciale pour l'exploitation des données astrophysiques et en particulier celle des missions spatiales dans lesquelles l'IRAP est fortement impliqué. Les chercheurs développent et utilisent des codes de simulation multidimensionnels en dynamique des fluides astrophysiques et physique des plasmas qui fonctionnent sur des machines massivement parallèles. L'ingénieur.e viendra renforcer la capacité de l'IRAP à développer et à pérenniser des codes numériques au meilleur niveau mondial.
L'ingénieur.e évoluera dans un environnement local (fédération IRSAMC pour le LPT et OMP pour l'IRAP) très riche en projets numériques et comprenant également le mésocentre CALMIP. Il/elle sera encouragé.e à suivre des formations et à participer, grâce à des financements des équipes, à des conférences scientifiques et à publier ses résultats.
Des déplacements occasionnels et de courte durée sont à prévoir pour participer à des réunions de collaborations ou à des workshops, en France et à l'étranger.
*************************************************************************
English version:
A position of research engineer in scientific computing is
proposed through a CNRS external competition at the Laboratory of Theoretical Physics (LPT-UMR 5152) and at the Institute of Research in Astrophysics and Planetology
(IRAP-UMR 5277) in Toulouse. It is a permanent position provided by the French government. It is open to everyone, regardless of citizenship. Candidates must hold a doctorate or an engineering diploma (some other degrees are possible). The competition can be viewed at:
http://www.dgdr.cnrs.fr/drhita/concoursita/consulter/resultats/consulter.htm
To apply, the prospective candidate should go to
http://www.dgdr.cnrs.fr/drhita/concoursita/
There is also a candidate guide explaining how to apply.
The corresponding competition is No. 53, which contains two similar positions, including the one of the LPT-IRAP and another position at Laboratory M2P2 Marseille. It is possible to apply for both positions, specifying an order of preference, or only one of them.
The deadline is July 2.
For any detailed information on this position, you can contact:
- At LPT: Sylvain Capponi: capponi@irsamc.ups-tlse.fr
- At IRAP: François Lignières: francois.lignieres@irap.omp.eu
*************************************************************************
Job profile:
The expert in scientific computing will exercise his activity within the framework of a shared function between the Laboratory of Theoretical Physics (LPT) at 50% and the Research Institute in Astrophysics and Planetology (IRAP) at 50%. He / she will provide expertise in the use of algorithmic / mathematical methods and their adaptation to different machine architectures as well as the development, optimization, maintenance and dissemination of parallel codes to numerically solve quantum or classical physics problems in at the heart of the activity of the LPT and the problems of dynamics of astrophysical and physical fluids of plasmas at the heart of the activity of IRAP. He / she will be placed under the hierarchical responsibility of the Director of the LPT.
Activities:
MAIN ACTIVITIES :
- Develop with researchers highly parallel scientific codes optimized for very high performance computers
- Design, develop or adapt methods in scientific computing
- Participate in the promotion of the work, in particular by disseminating to the scientific community codes / libraries developed at IRAP and LPT.
- Ensure a technological watch on the evolution of hardware architectures (GPU ...) and numerical methods in close connection with regional and national data centers and in collaboration with other IT staff from the Institute of Research in Atomics and Molecular Complex Systems (IRSAMC) and the Midi-Pyrénées Observatory (OMP)
- Ensure the transfer of knowledge, know-how and good practices to researchers: participate in the training of users of high performance computing, disseminate and enhance the methods and tools developed.
ASSOCIATED ACTIVITIES:
- Participate in national and international research projects and associated publications
- Supervise or co-supervise students (interns, PhD students) or engineers on numerical projects
- Present the codes / methods developed in dedicated seminars / conferences
- Participate in scientific activities around computation at the OMP / IRSAMC level
Skills:
General, theoretical or disciplinary knowledge:
-General knowledge of applied mathematics in particular in the field of numerical analysis: linear algebra, partial differential differential equation (PDE), stochastic calculations ...
-In-depth knowledge of programming techniques (including Fortran, C, C ++ and Python languages), parallelization (MPI, OpenMP ...) and optimization
-General knowledge of scientific computing program libraries
-General knowledge of architectures of computers and distributed systems and operating systems
- General knowledge of software quality tools promoting the user interface
Operational know-how:
-Understand and analyze the scientific problem posed
-Identify numerical methods, optimization and programming techniques as well as validation tests adapted to scientific issues
-Implement programming languages ​​(Fortran, C, C ++ and Python)
-Implement project management and management methods
-Work in interaction with one or more research teams
-Autonomy, taking initiative
- Technical English: read, spoken, written. Level B "independent user" according to the common European frame of reference for languages.
Background:
The LPT (50 people) is involved in many fields of physics, and is a heavy user of intensive scientific computing on computing centers at the LPT, or at a regional (CALMIP) and national (GENCI / IDRIS) level. The codes, often highly parallel, are mainly produced by LPT researchers and their collaborators and relate to quantum mechanical calculations (Monte-Carlo, linear algebra, density functional ...) in electronic physics / magnetism of condensed matter and cluster physics, but also in classical physics (Monte-Carlo, molecular dynamics ...), for example in biophysics and soft matter. The codes must be designed from the outset for very high performance machines or optimized a posteriori.
IRAP (300 people) has a strong theory / modeling component for which numerical simulation is the main tool. This activity is crucial for the exploitation of astrophysical data and in particular that of space missions in which IRAP is strongly involved. Researchers develop and use multidimensional simulation codes in dynamics of astrophysical fluids and plasma physics that operate on massively parallel machines. The engineer will reinforce IRAP's capacity to develop and perpetuate digital codes at the best international level.
The engineer will work in a local environment (IRSAMC federation for LPT and OMP for IRAP) very rich in numerical projects and also including the CALMIP computing center. He / she will be encouraged to follow training courses and to participate, thanks to team funding, in scientific conferences and to publish his/her results.
Occasional and short trips are expected in order to participate in collaboration meetings or workshops, in France and abroad.
*************************************************************************
Title: Research support technician in Software engineering
Date: 2020-03-05 10:34
Slug: job_c743a11e0a009832eb5f8089fb411afa
Category: job
Authors: Xavier Besseron
Email: xavier.besseron@uni.lu
Job_Type: CDI
Tags: cdi
Template: job_offer
Job_Location: Luxembourg
Job_Duration:
Job_Website: https://recruitment.uni.lu/en/details.html?nPostingTargetId=62779
Job_Employer: University of Luxembourg
Expiration_Date: 2020-04-30
Attachment: job_c743a11e0a009832eb5f8089fb411afa_attachment.pdf
## Research support technician in Software engineering (M/F)
The University of Luxembourg is a multilingual, international research University.
The University of Luxembourg (UL) is seeking to hire for the Faculty of Science, Technology and Medicine (FSTM) a highly motivated and outstanding:
**Research support technician in Software engineering (M/F)**
* Ref: RCREQ0003766
* Permanent contract, 40 hours/week
* Status: Employee
### Your Role
The technical support team of the Department of Engineering (DES) is seeking to hire a software engineer to provide support to the research groups. The tasks involve developing, supporting and maintaining software systems. This includes maintenance, testing, quality control and programming of specific features of numerical simulation software, graphical user interfaces and pre/post-processing tools. The tasks also comprise the creation of software-related documentation, tutorials, the administration of computer systems and the participation in research projects and educational activities.
The position strengthens the technical support team for research projects and related teaching activities of the Department of Engineering and therefore contributes to the synergetic cooperation of the different institutes within the department. The tasks might be adapted or changed within the described task framework depending on any future change of the focus in research and education of the DES and the related institutes.
### Your Profile
- The candidate must possess at least Bachelor’s degree with working experience or a Master’s degree in Computer Science, Software Engineering or a related field
- Good knowledge in software engineering is requested. Experience is essential in the following areas:
- Linux and command line environment
- Strong programming and software design (object-oriented, ideally C++)
- Software maintenance, compilation and continuous integration (ideally Git, Docker, CMake/CTest)
- Design and programming of Graphical User Interface (ideally Qt)
- Experience in the following areas is an additional asset:
- Scripting, Data Manipulation, Numerical languages (Python, R, Matlab, ...)
- Familiar with Computational Mechanics and Numerical Methods
- Cloud computing and/or High Performance Computing environments and portals
- Documentation writing LaTeX, Doxygen, ...
- Industrial experience is an additional asset
- The candidate should be highly motivated to work in a team and to cooperate with other team members in interdisciplinary research projects of the DES and the related institutes
- Since the University of Luxembourg is an international, multi-lingual university, the candidate is required a good language proficiency in English. Knowledge of German, French or Luxembourgish would be a plus. The letter of motivation should be written in English
### Further Information
Please apply online until 30/04/2020 at <https://recruitment.uni.lu/en/details.html?nPostingTargetId=62779>.
The University of Luxembourg is an equal opportunity employer.
Title: High-performance ensemble-variational data assimilation using multi-fidelity ensembles for Earth system modelling applications
Date: 2020-05-15 14:50
Slug: job_c8b9b973dd487d8308cf3afe8c81863e
Category: job
Authors: Ehouarn SIMON
Email: ehouarn.simon@toulouse-inp.fr
Job_Type: Thèse
Tags: these
Template: job_offer
Job_Location: Toulouse, France
Job_Duration: 3 ans
Job_Website: https://emploi.cnrs.fr/Offres/Doctorant/UMR5505-CLEROG-012/Default.aspx?lang=EN
Job_Employer: IRIT-CNRS
Expiration_Date: 2020-09-30
Attachment:
# General information
**Required education:** MS or equivalent
**Start date:** 1 October 2020
**Mission duration:** 3 years
**Salary:** 2135€/month (gross salary)
# Scientific context
The development of supercomputers over the past few decades has led to tremendous progress in Earth System model (ESM) forecasting. For example, operational ocean forecasting centres are now able to run global configurations with a resolution of 1/12° (around 9-10 km), to allow the representation of mesoscale dynamics, and to target a resolution of 1/36° (around 3 km) for the next generation of their models. In the same way, very high resolution used by weather forecasting centres has led to the development of non-hydrostatic models. While the increase in model resolution leads to a better representation of complex nonlinear phenomena, it also results in a significant increase in computational costs. Data assimilation methods combine the heterogeneous and uncertain information provided by models and observations to estimate the state and/or some parameters of a system. Error covariance matrices are required for the data assimilation method to quantify uncertainties in the information that is assimilated. These uncertainties are associated with errors in the background (forecast) state, the observations, and the model. Despite their fundamental impact on the estimates of the state of the system, they remain poorly known in problems arising in oceanography or meteorology. Modern approaches to estimating background error covariances involve ensembles of model states. Ensembles are designed to sample the probability density function of background error and thus provide information that is useful for improving background error specification. However, for operational ESM forecasting systems, ensemble sizes tend to be very small due to the high computational cost involved in producing them. Therefore, techniques are required to reduce computational costs, while still allowing the ensembles to provide useful information for covariance estimation.
In this PhD project, the multilevel Monte Carlo (MLMC) methodology will be used to leverage the use of ensembles of different fidelity levels. MLMC is a well-established statistical method whose underlying idea is to take advantage of different levels of numerical resolution in such a way that many (cheap) evaluations of the numerical model are performed on the coarsest levels while fewer (expensive) computations are required on the finest levels, resulting in a reduced computational cost. The core of the method relies on a correction mechanism, based on a telescoping sum of contributions from successive resolutions (levels), and can be seen as a multilevel variance reduction technique. In terms of root mean square error, many coarse-grid evaluations help reduce the sampling error while the (fewer) fine-grid evaluations help reduce the discretisation error.
# Mission
The primary objective of the project is to develop MLMC strategies to reduce the additional CPU cost associated with the estimation of the background error covariance matrix for ensemble-variational data assimilation methods. Additionally, the successful candidate will investigate the similarities in methodology and ingredients between multigrid methods and MLMC, and develop a unified framework for spatiotemporal discretisations of PDEs. The proposed methodology will first be validated through numerical experiments on Burgers’ equation, which is a widely-used 1D toy model in data assimilation. Then, the 3D extension will be developed and validated on a 2-layer quasi-geostrophic (QG) model implemented in the generic Object-Oriented Prediction System (OOPS) developed at the European Centre for Medium-Range Weather Forecasts (ECMWF). Applications in atmospheric chemistry and/or ocean data assimilation will also be considered.
# Activities
The PhD student’s role and work plan will be structured around the 3 tasks detailed below:
* *Task 1: Estimation of the background error covariance matrix using multi-fidelity ensembles.*
This task will focus on the ensemble generation by using different fidelity levels, and use these ensembles in the estimation of the background error covariance matrix with a lower computational cost. Strategies for the localisation of the covariances estimated from the ensembles within the MLMC framework will be developed. The investigations will relate to theoretical (spatiotemporal localisation, consistency between levels) and computational issues.
* *Task 2: State analysis estimation using multi-fidelity ensembles in ensemble variational data assimilation.*
This task consists of formulating the algorithm of multilevel ensemble variational data assimilation. OOPS currently incorporates the 4DEnVar algorithm which uses ensemble-derived error covariance matrices in the variational framework and estimates the linearised trajectory of the model by using 4D ensembles. Two complementary strategies will be investigated: the MLMC approach and multigrid methods. This would naturally lead to the need to derive consistency conditions between the ensembles running on the different levels in order to guarantee the convergence of the estimation on the original high resolution level.
* *Task 3: Numerical experiments on idealised cases in atmospheric chemistry and ocean applications.*
Once the multilevel algorithm for ensemble variational data assimilation is formulated and first validated on Burgers’ equation and/or QG model, Task 3 will be dedicated to the application of the algorithm to more complex problems arising in ESM data assimilation, such as for atmospheric chemistry and ocean. This task will aim to demonstrate the capacity of the methods to tackle complex, large-scale problems.
# Work context
This PhD is part of the MFDA project, funded by the CNRS programme 80\|PRIME 2020. The PhD student will work at CECI (Cerfacs) during the first year and when finalizing the thesis (numerical experiments in more complex systems) during part of the third year. He/She will work at IRIT (INP ENSEEIHT) during the second year and part of the third year. The advisors will be S. Gratton (Toulouse INP, IRIT) and A. Weaver (Cerfacs). He/She will be co-supervised by the participants of the MFDA project (S. Gürol, P. Mycek, E. Simon).
# Further information
**Scientific contacts:** Ehouarn SIMON ([ehouarn.simon@toulouse-inp.fr](mailto:ehouarn.simon@toulouse-inp.fr)) and Paul MYCEK ([mycek@cerfacs.fr](mailto:mycek@cerfacs.fr))
**More information and online application:** <https://emploi.cnrs.fr/Offres/Doctorant/UMR5505-CLEROG-012/Default.aspx?lang=EN>
Title: Physics-Informed Machine Learning in the context of seismic imaging
Date: 2020-04-16 13:58
Slug: job_d015917519c58b09497c20334c3b55c6
Category: job
Authors: Prof. Elie Hachem
Email: elie.hachem@mines-paristech.fr
Job_Type: Thèse
Tags: these
Template: job_offer
Job_Location: Fontainebleau
Job_Duration: 3 years
Job_Website:
Job_Employer: MINES ParisTech
Expiration_Date: 2020-05-29
Attachment: job_d015917519c58b09497c20334c3b55c6_attachment.pdf
**Overview:**
Within the MINDS project (Mines Initiative for Numerics and Data Science) developed at MINES
ParisTech (Paris School of Mines), the objective is to fill the gap between Machine Learning and Physics-based approaches.
Machine Learning is growing very rapidly. After a possible learning step, the objective is to let the data speak. These approaches tend to forget the more traditional physics-based approaches. The objective of the PhD thesis is to develop, in the context of seismic imaging, an intermediate approach to preserve the physics [1]. Currently, the main contributions of Machine Learning to seismic processing are related to pre-processing steps (de-noising, picking, ...) but not really yet to the imaging part (determining the Earth&#39;s properties from surface measurements, a highly non-linear problem). The explicit introduction of physics within Machine Learning should fill this gap.
**Details:**
In 2019, Raissi et al., demonstrated how it is possible to combine Machine Learning approaches with more traditional physics approaches (Physics-Informed Neural Networks, PINN) [3]. The applications are related to the resolution of partial differential equations (i.e. direct problems) as well as to the resolution of inverse problems (determining the main parameters controlling the physical phenomena, for example the wave propagation, from a set of observations). The later approach will be developed here. On the one hand, deep neural networks are able in theory to describe any functions. Learning is usually a complex task and in physics-related problems, observations are rare and expensive to acquire. On the other hand, Machine Learning does not usually consider physics-based equations, a very useful source of information. As proposed in [3], a modified loss function in the neural networks contains several terms to ensure that the data predict the observations and that the laws of physics are fulfilled. This second term can be seen as a regularisation term, essential in practice to avoid any over-fitting in the case of noisy data. The auto-differentiation (back-propagation of the errors) within the neural networks provides a way to estimate the optimal parameters.
This approach is very attractive and will be extended and modified to be applicable in the context of seismic imaging. Seismic acquisition consists of activating a seismic source and of recording acoustic / elastic waves. The objective is to determine seismic velocity wave fields and any other parameters controlling the wave propagation within the sub-surface. In comparison with the first PINN applications, seismic imaging offers some particular aspects to be properly considered:
* Seismic wave are mainly propagative waves, meaning that the wave field is not smooth. In order to check that the wave field obeys the wave equation, the number of controlling points is a priori much larger than for a diffusive problem with a more regular solution;
* The traditional loss function in seismic imaging contains a large number of local minima. How
does the PINN approach behave? How is it possible to take advantage of the frequency content
of the data? In the classical approaches, the model estimation first relies on the low frequencies
and then enlarges the frequency spectrum, in order to avoid local minima. How could the neural
network benefit from this approach (e.g. a proxi for the modelling part)?
* Finally, the number of unknowns (number of parameters to be estimated) is potentially very
large (thousands or much more, as the parameters depend on the spatial coordinates). In the
first articles, only a few values were determined. How to play with the neural network to address
this issue? The Generative Adversarial Networks (GAN) could be very useful to determine the
optimal parameterisation [2].
The objective of the PhD thesis is to develop a novel Physics-informed Machine Learning approach in the context of seismic imaging. The validations will be performed on synthetic and real data sets.
**Main references:**
1. Chauris, H. (2019). Full Waveform Inversion, in Seismic Imaging, a practical approach , J-L. Mari and M. Mendes (Eds.), EDP Sciences, chapter 5, 23 p., ISBN (ebook): 978-2-7598-2351-2, doi:10.1051/978-2-7598-2351-2.c007
2. Goodfellow, I., J. Pouget-Abadie, M. Mirza, B. Xu, D. Warde-Farley, S. Ozair, A. Courville and Y. Bengio (2014). Generative Adversarial Networks. Proceedings of the International Conference on Neural Information, arXiv:1406.2661
3. Raissi, M., P. Perdikaris, G.E. Karniadakis (2019). Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations. Journal of Computational Physics, 378, 686-707
**Keywords:** Machine learning, Physics-informed Machine Learning (PINN), deep neural networks, seismic imaging, wave propagation
**Competences:**
The candidate should have a strong background in maths and physics. He/she should have a clear interest for Machine Learning and for geophysical applications, in particular in the context of seismic imaging. He/she should have a strong experience in scientific programming. It is appreciated if he/she also has some knowledge on high performance computing (HPC). It is essential to be fluent in English speaking and writing.
**Contacts**:
* PhD supervior: Pr. Hervé Chauris, Centre de Géosciences, MINES ParisTech
(<herve.chauris@mines-paristech.fr>, +33 1 64 69 49 13)
* PhD supervior: Pr. Elie Hachem, Groupe CFL, CEMEF, MINES ParisTech (<elie.hachem@minesparistech.
fr>, +33 4 93 95 74 58)
* Co-supervisor: Nicolas Desassis, Centre de Géosciences, MINES ParisTech
(<nicolas.desassis@mines-paristech.fr>, +33 1 64 69 47 73)
**Main location:** Centre de Géosciences, MINES ParisTech, 35, rue Saint-Honoré, Fontainebleau, France
**How to apply:**
Please send by email to <herve.chauris@mines-paristech.fr> and before the 29th of May 2020 (in pdf format):
* A resume
* A motivation letter
* At least a recommendation letter (or the name of a person to contact)
* A copy of a research report (e.g. master report)
Title: Responsable de clusters de calcul dans un environnement cloud
Date: 2020-05-15 15:10
Slug: job_d31ab9991ba075c4f354e831950f7197
Category: job
Authors: Michel Jouvin
Email: jouvin@lal.in2p3.fr
Job_Type: Concours
Tags: concours
Template: job_offer
Job_Location: Orsay
Job_Duration:
Job_Website: https://mobiliteinterne.cnrs.fr/afip/owa/consult.affiche_fonc?code_fonc=R57005&amp;type_fonction=&amp;code_dr=xx&amp;code_bap=E&amp;code_corps=IR&amp;nbjours=&amp;page=1&amp;colonne_triee=1&amp;type_tri=ASC
Job_Employer: CNRS
Expiration_Date: 2020-06-16
Attachment:
IJCLab (<https://www.ijclab.in2p3.fr>), laboratoire de physique de des 2 infinis à Orsay, a un poste IR ouvert en NOEMI pour une personne motivée pour la gestion de clusters de calcul dans le contexte d&#39;un cloud. Voir <https://mobiliteinterne.cnrs.fr/afip/owa/consult.affiche_fonc?code_fonc=R57005&amp;type_fonction=&amp;code_dr=xx&amp;code_bap=E&amp;code_corps=IR&amp;nbjours=&amp;page=1&amp;colonne_triee=1&amp;type_tri=ASC>.
Merci de faire circuler auprès des personnes que vous connaissez qui pourraient être intéressées.
Title: Modélisation inverse pour la dispersion atmosphérique de polluants suite à un incendie de grande ampleur à l&#39;échelle urbaine
Date: 2020-06-21 14:31
Slug: job_d37892735f7f791ec58db2f8751b250f
Category: job
Authors: Virginie Hergault (LCPP, virginie.hergault@interieur.gouv.fr) ; Yelva Roustan (CEREA/ENPC, yelva.roustan@enpc.fr)
Email: pp-labcent-env-these@interieur.gouv.fr
Job_Type: Thèse
Tags: these
Template: job_offer
Job_Location: 75015 Paris
Job_Duration: 3 ans
Job_Website: http://laboratoirecentral.interieur.gouv.fr
Job_Employer: Laboratoire Central de la Préfecture de Police / Doctorat délivré par l&#39;Ecole Nationale des Ponts et Chaussées
Expiration_Date: 2020-07-22
Attachment:
**Contexte et enjeux**
Les incendies d’entrepôt à la Courneuve en 2015, à Chelles en 2017, et plus récemment l’incendie de Notre-Dame en 2019 ont mis en évidence le besoin de mettre en place des outils opérationnels permettant de prendre en compte le risque lié à la toxicité des fumées d’incendie pour la population et l’environnement. Cette problématique est un enjeu pour les équipes spécialisées en Risques Chimiques (RCH). En particulier, la communauté des sapeurs-pompiers souligne le manque de doctrine opérationnelle permettant d’orienter les prélèvements dans l’air environnant afin de caractériser les fumées d’incendie et de réaliser des périmètres de sécurité. En effet, en cas d’incendie de grande ampleur, les quantités importantes de composés gazeux et particulaires émises dans l’atmosphère peuvent provoquer une pollution locale de l&#39;environnement. L’estimation des zones impactées par le panache de fumées et l&#39;évaluation des conséquences sanitaires et environnementales des retombées de substances polluantes sont complexes. La source est par définition mal caractérisée et la dispersion du panache de fumées se fait en milieu urbain.
La stratégie que vise à mettre en œuvre le Laboratoire Central est, à terme, de pouvoir déployer pendant un incendie un nombre limité de dispositifs de mesure de polluants, traceurs des fumées de combustion, sur des points cibles pour, par modélisation inverse, remonter à une caractérisation de la source. Par la suite, l’application du modèle direct associé à une approche par assimilation de données devra permettre d’obtenir une estimation plus fine des niveaux de concentration sur des points d’intérêts. Un des enjeux est de fournir rapidement aux autorités des informations sur les zones impactées par le panache et les niveaux de concentration en polluants auxquels les populations sont susceptibles d’être ou d’avoir été exposées.
**Etat de l’art**
La modélisation de l’écoulement et de la dispersion atmosphérique en milieu urbain est un sujet de recherche appliquée (pollution urbaine chronique, risque accidentel, actes de malveillance), qui soulève un certain nombre de questions scientifiques importantes (Barlow and Coceal, 2009; Belcher et al., 2015 ; Britter and Hanna, 2003). L’atmosphère urbaine constitue une couche limite turbulente dans laquelle l’écoulement se développe sur une surface rugueuse d’une grande complexité géométrique. L’organisation de la surface, en groupe d’obstacles ou en réseau de rues, modifie significativement la dispersion d’un nuage de polluants par rapport à un milieu rural dégagé, en limitant l’advection, en renforçant l’étalement du panache et en créant des zones de confinement.
La simulation numérique de l’écoulement et de la dispersion atmosphérique en milieu urbain peut être effectuée avec un large panel d’outils de modélisation, allant de la simulation numérique directe de la turbulence à toutes les échelles (Coceal et al., 2006, 2014) ou de la simulation des grandes échelles (Boppana et al., 2012 ; Xie and Castro, 2008) jusqu’à des approches simplifiées pouvant être utilisées dans des contextes opérationnels (Kim et al., 2018 ; Soulhac et al., 2012, 2011 ; Tinarelli et al., 2007).
Un certain nombre de travaux de recherche ont également été réalisés dans le champ des mathématiques appliquées pour coupler les résultats de simulations numériques avec des mesures de terrain. Des approches d’assimilation de données ont été développées et validées dans le contexte de la pollution chronique en milieu urbain, afin d’améliorer les résultats de simulations en utilisant des mesures de concentration en quelques points d’observation (Nguyen and Soulhac, 2016 ; Tilloy et al., 2013). Les mesures de terrain peuvent également être utilisées pour déterminer par modélisation inverse les caractéristiques d’une source de polluant (localisation, débit d’émission), notamment dans un contexte accidentel ou terroriste (Ben Salem et al., 2017, 2014 ; Rajaona et al., 2015 ; Winiarek, 2014). L’intérêt pour ces approches de couplage entre mesures et modélisations se trouve renforcé avec l’émergence de drônes équipés de capteurs qui permettent de prendre en compte des observations de terrain à plus haute résolution spatiale.
**Projet de recherche**
L’objectif de cette thèse est de développer et de valider un système de modélisation inverse par assimilation de données applicable de manière opérationnelle à la dispersion de fumées d’incendie en milieu urbain. Un tel système vise à caractériser la source de fumées à partir de mesures sur le terrain et de simuler la dispersion du panache dans l’atmosphère. En situation de rejet accidentel, l’émission est a priori inconnue et les simulations pour analyser le comportement du panache de fumées sont alors réalisées avec des hypothèses et des incertitudes importantes. Si l’on dispose de mesures des concentrations dans l’atmosphère, il devient intéressant d’utiliser une approche de modélisation inverse basée sur l’utilisation conjointe de ces mesures et d’un modèle de dispersion pour caractériser le terme source (« localisation », intensité et dynamique temporelle du rejet). Cette approche a été largement utilisée à grande échelle (par exemple Mathieu et al., 2012), et, dans une moindre mesure à l’échelle urbaine (Roustan et al., 2016 ; Nguyen and Soulhac, 2016 ; Tilloy et al., 2013) mais peu appliquée à la dispersion d’un panache de fumées, en situation de rejet flottant.
L’outil de modélisation considéré pour la réalisation de ces travaux est un modèle de panache « sous-maille » couplant un modèle à bouffées gaussiennes et un modèle eulérien régional (Boutahar et al., 2004 ; Mallet et al., 2007 ; Korsakissok et Mallet, 2010 ; Kim et al. , 2014 ; Raffort et al. , 2015). De part sa structure de représentation multi-échelle, il doit permettre de combiner naturellement l’assimilation d’observations à proximté de l’incendie et plus lointaines pour des contraintes de temps relativement faibles. Pour une meilleure adaptation au milieu urbain, il pourra être couplé à un modèle de réseau de rues représentant la dispersion dans la canopée urbaine (Kim et al., 2018 ; Lugon et al., 2020).
Un état de l&#39;art sera réalisé sur les divers aspects méthodologiques de l’inversion (e.g. positivité du terme source, Winiarek et al., 2014 ; prise en compte des différences d’amplitudes des observations en champ proche et en champ lointain, Liu et al., 2017). Un état de l&#39;art sera également mené sur l’estimation du terme source à partir de l’évolution de la puissance de l’incendie et de la cinétique de développement du feu afin de déterminer les caractéristiques thermocinétiques d’un rejet d’incendie. Le premier objectif sera de produire un terme d’ébauche pour l’intensité du terme source qui pourra être mis à profit dans l’application de la méthodologie d’inversion. Un autre aspect important, qui conditionne la dispersion dans l’atmosphère d’un panache dans les premiers kilomètres, est sa hauteur de rejet (Girard et al., 2014). Dans le cas d’un incendie, son niveau d’élévation dans l’atmosphère résulte notamment de l’effet convectif des gaz chauds dans une atmosphère plus ou moins stable. Le second objectif de cet état de l’art sera d’identifier les paramètres de modélisation de l’élévation initiale les plus pertinents à prendre en compte dans le cadre d’une modélisation inverse.
Du point de vue de la méthodologie de modélisation inverse, un des enjeux sera de développer une approche compatible avec les moyens de mesures sur le terrain et la stratégie de prélèvement à mettre en œuvre. Ce projet de recherche doctorale se fait en parallèle d’une action menée par le Laboratoire Central sur le déploiement de dispositifs de mesure en continu ainsi que de prélèvements d&#39;air et de dépôts au sol sur le terrain en cas d’incendie de grande ampleur. Dans le cadre d’une méthodologie associant modélisations et mesures en situation opérationnelle, il convient de s’interroger sur :
- la conception optimale du réseau de mesures à mettre en place (nombre et positionnement des capteurs mobiles)
- le poids à donner aux observations de nature différente dans les simulations (concentration dans l&#39;air et dépôt notamment, e.g. Winiarek et al., 2014).
- la combinaison d’observations correspondant à des polluants différents (interdépendance pour certaines caractéristiques du rejet, indépendance pour d’autres).
Dans le cadre de la thèse, l’outil de modélisation pourra être testé et validé par comparaison avec des données de terrain obtenues suite à des incendies réels en collaboration avec les services de secours (BSPP, SDIS77). Dans le cadre de la modélisation inverse, les résultats du modèle de panache « sous-maille » pourront également être comparés avec ceux obtenus à partir de modèles adoptant une représentation plus détaillée de la canopée urbaine.
L’ensemble du travail de thèse devra être mené en gardant à l’esprit le contexte et les contraintes opérationnelles inhérentes à la gestion des incendies en milieu urbain. Les contraintes de temps de calcul et de robustesse des résultats seront notamment à prendre en compte dans le développement de l’outil de modélisation. De plus, au-delà de l’outil de simulation en tant que tel, une méthodologie globale s’appuyant sur l’outil devra être développée pour l’évaluation l’impact d’un incendie en milieu urbain.
\ No newline at end of file
Title: Turbulent Flow Control by Machine Learning
Date: 2020-03-20 09:40
Slug: job_d6539ea50ec4c493b7cb2dc14b868644
Category: job
Authors: Laurent CORDIER
Email: Laurent.Cordier@univ-poitiers.fr
Job_Type: Thèse
Tags: these
Template: job_offer
Job_Location: Institut Pprime (Poitiers)
Job_Duration: 3 ans
Job_Website: https://pprime.fr/
Job_Employer: CNRS
Expiration_Date: 2020-04-30
Attachment: job_d6539ea50ec4c493b7cb2dc14b868644_attachment.pdf
**Department:** Fluids, Thermal and Combustion Sciences
**Research team:** Incompressible Turbulence and Control
**Supervisor:** Laurent CORDIER
**Co-supervisor:** Lionel MATHELIN (LIMSI)
**Contact for information:** Laurent.Cordier@univ-poitiers.fr
**3-year contract:** 1768 € raw monthly salary. Funding guaranteed for 3 years.
**Key-words:** flow control, closed-loop, Machine Learning, Genetic Programming Control, Reinforcement Learning, Recurrent Neural Network, Deep Reinforcement Learning
**Framework and objectives.**
In recent years, continuous progress has been made on the performance of both civilian and military aircraft and helicopters, particularly in terms of flight envelope, radiated noise, maneuverability, vibration, etc. However, further improvements can be achieved by using closed-loop fluid flow control around the machine. This strategy consists of using measurements from sensors placed on the system, to adapt, if possible in real time, the control command to impose. From a control point of view, the main interest of closed-loop is to improve the robustness of the control law. Unfortunately, closed-loop control is currently only usable in a fairly limited range of flow configuration. Indeed, a turbulent flow exhibits both a broad spectrum of spatial scales and a very rich temporal dynamics. High-frequency phenomena (of the order of kHz) therefore require sufficiently fast control, able to adapt to changes in the state of the system. The time required to estimate the state of the system and calculate the command is thus less than the millisecond. This observation explains the difficulties of closed-loop control. As both flow manipulation and open-loop control are commonplace, there is very little example of closed-loop control over sufficiently realistic configurations, especially three-dimensional and turbulent configurations.
This thesis will contribute to the development of realistic closed-loop control strategies for unsteady turbulent flows. Applications include the drag reduction around profiles (by attaching the boundary layer or delaying its separation), the reduction of radiated noise, the flow vectorization to improve the maneuverability or to remove some of the moving air spoilers, the decrease of vibrations induced by dynamic stall, etc.
**Work program and means.**
We propose to use a pure data-driven approach, rather than physical models, and to exploit newly developed Machine Learning methods. Genetic Programming Control (GPC), Reinforcement Learning (RL), Recurrent Neural Network (RNN), and Deep Reinforcement Learning (DRL) seem particularly well suited. We will focus our efforts on the intrinsic difficulties related to turbulent flow control: large-scale system, unknown and time-varying delays between actions and effects on the objective function, statistical non-stationarity, low observability, real-time constraint, etc. Our strategies will be developed and tested on model dynamical systems (Lorenz, Ginzburg-Landau) to facilitate developments and, subsequently, on a turbulent flow configuration, the wake of three staggered cylinders (Fluidic Pinball) individually controlled by unsteady rotation (see Figure). To do this, we will rely on our expertise in control theory, large-scale approximation methods, statistical learning, etc. and our first successes with Machine Learning strategies (Guéniat et al., 2016, Pivot et al., 2017, Mathelin et al., 2017, Bucci et al., 2019).
The funding is guaranteed for 3 years. This subject is part of the ASTRID project FLOWCON (2018-2020) coordinated by Lionel Mathelin (LIMSI). This topic is also at the heart of the CNRS Research Group &#34;Flow Control Separations&#34;, whose Director is Laurent Cordier (Pprime). For the submission step, the FLOWCON project was supported by Dassault Aviation via a letter of support.
**Applicant profile, prerequisites.**
Master in Fluid Mechanics / Applied Mathematics / Machine Learning. Appetite for interdisciplinary approaches and machine learning. Desire to go beyond the borders
Title: Ingénieur Applicatif HPC - Intégration de solveurs (H/F)
Date: 2020-03-11 14:22
Slug: job_dfa1946d164ac2e4c764a3ec05d10b21
Category: job
Authors: MORTIER
Email: sylvain.mortier@atos.net
Job_Type: CDI
Tags: cdi
Template: job_offer
Job_Location: Velizy
Job_Duration:
Job_Website: https://jobs.atos.net/job/Bruy%C3%A8res-Le-Ch%C3%A2tel-91-Ing%C3%A9nieur-Applicatif-HPC-Int%C3%A9gration-de-solveurs-%28HF%29-Ile/594238901/
Job_Employer: Atos
Expiration_Date: 2020-06-03
Attachment:
Atos est le leader européen du High Performance Computing et délivre des solutions de Calcul Haute Performance parmi les plus performantes au monde afin de résoudre les problèmes scientifiques les plus complexes d’aujourd’hui et de demain.
Vos missions :
- Définir les spécifications techniques en fonction des besoins fonctionnels métiers
- Développer les scripts Linux d’intégration des solveurs HPC
- Installer les binaires dans les différents environnements : DEV/TEST/PROD
- Créer ou mettre à jour l’interface de soumission (LSF Suite Spectrum PAC)
- Assurer l’évolution et le maintien en condition opérationnelle de l’intégration
- Créer ou mettre à jour la documentation associée
- Tracer l’activité dans un JIRA
- Veiller au respect des processus en vigueur au sein de la DSI
- Effectuer de la veille technologique
- Proposer des solutions pour améliorer les performances
- Participer à la mise en œuvre de Proof Of Concept dans le cadre d’innovations
Vous travaillerez principalement sur les solveurs CFD suivants : Nastran, Radioss, Thercat, Taitherm
Votre profil :
De formation supérieure en informatique vous justifiez d’une première expérience significative orientée HPC / calcul scientifique.
Vous maitrisez tout ou partie des environnements/technologies suivants :
Scripting : bash, python
Système Linux : SUSE, RedHat
Programmation parallèle : MPI, OpenMP
Système d’ordonnancement : LSF, SLURM
\ No newline at end of file
Title: Assistant Professor (tenure track) in Computer Science with specialisation in applied and/or foundational aspects of Machine Learning (M/F)
Date: 2020-02-27 09:03
Slug: job_e50cc60ba5d2375c88074bc4af51ce04
Category: job
Authors: Prof. Dr. Sjouke Mauw
Email: FSTM_recruitment_DCS_ML@uni.lu
Job_Type: CDD
Tags: cdd
Template: job_offer
Job_Location: Esch-sur-Alzette, Luxembourg
Job_Duration: 5 years
Job_Website: http://emea3.mrted.ly/2ezfc
Job_Employer: University of Luxembourg
Expiration_Date: 2020-03-31
Attachment:
The Faculty of Science, Technology, and Medicine (FSTM) of the University of Luxembourg (UL) announces an opening for an Assistant Professor (tenure track) in Computer Science with specialisation in applied and/or foundational aspects of Machine Learning (ML). The position is anchored within the Department of Computer Science (DCS).
**Ref:** F1-50011608A (to be mentioned in all correspondence)
Full-time position (40 hrs/week)
Earliest starting date: September 2020
Fixed-term contract: 5 years, with perspective of a permanent position and promotion to Associate Professor upon a positive evaluation. In case of an excellent more senior candidate, a direct appointment at the level of Associate Professor may be considered.
**Your Role:**
The position at the Assistant Professor level follows Luxembourg’s newly introduced tenure-track scheme according to which the initial appointment is a fixed-term contract. Upon successful evaluation, the candidate will be offered a permanent position as Associate Professor.
To diversify the existing skills and expertise within DCS, the candidate is expected to: