Know ATS Score
CV/Résumé Score
  • Expertini Resume Scoring: Our Semantic Matching Algorithm evaluates your CV/Résumé before you apply for this job role: Design accéléré de matériaux architecturés par l'IA pour optimiser un échangeur de chaleur H/F.
France Jobs Expertini

Urgent! Design accéléré de matériaux architecturés par l'IA pour optimiser un échangeur de chaleur H/F Job Opening In Paris-15E-Arrondissement – Now Hiring CEA

Design accéléré de matériaux architecturés par l'IA pour optimiser un échangeur de chaleur H/F



Job description

Description de l'offre


Pour ce post-doctorat, le pilotage de l’étude sera assuré conjointement par les équipes du CEA LITEN à Grenoble et du CEA Le Ripault à Monts en Touraine.

Le programme de travail envisagé est divisé en 3 phases au cours desquelles des interactions fortes avec d'autres post-doctorants et chercheurs des équipes engagées auront lieu, en particulier avec ceux du laboratoire PIMM (Laboratoire procédés et ingénierie des matériaux et structures de l’ENSAM Paris) qui développe des outils d'IA pour ADAM.

Ce travail sera réalisé essentiellement au CEA LITEN avec quelques déplacements possibles à Paris et Monts.

Il fera l'objet de publications dans des revues scientifiques et congrès internationaux.


Phase 1:
L’objectif de cette phase est de construire une base de données permettant d’alimenter les algorithmes d’apprentissage développés au PIMM, compatible du choix des descripteurs retenus et définis à partir du cahier des charges.

Cette base sera constituée de 2 parties :
- La 1ère s’appuiera sur des simulations en régime stationnaire des transferts thermo-fluidiques.

Le code ANSYS FLUENT sera utilisé et associé à un code CEA (THERMIVOX).


- la 2nde sera construite à partir des données accessibles dans la littérature scientifique en utilisant des algorithmes d’extraction de l’IA symbolique développés à l’UTBM (Université Technique Belfort Montbéliard).


Phase 2:
L’objectif de cette phase est de concevoir une TPMS optimisée grâce à l’utilisation d'algorithmes d'apprentissage automatique utilisant une approche de réduction de modèle s’appuyant sur des auto-encodeurs spécifiques dits RRAEs (Rank Reduction Autoencoders) développés au PIMM
Phase 3:
L’objectif de cette phase est (1) de fabriquer par LPBF métallique, au CEA Grenoble, des structures considérées optimales pour répondre au cahier des charges, issues de la phase 2 et (2) d’évaluer les performances de ces structures sur un dispositif expérimental de test afin d’apprécier les potentiels écarts entre prédiction et expérience.


Profil du candidat

Le ou la candidat(e) retenu(e) devra avoir des compétences en mathématiques appliquées, informatique, avec un accent sur l'optimisation et l'apprentissage automatique.
La connaissance d'ANSYS FLUENT serait un plus mais une formation sera possible.
python, langage de programmation C, C++


Niveau d'étude préparé : Bac+5


Required Skill Profession

Engineers



Your Complete Job Search Toolkit

✨ Smart • Intelligent • Private • Secure

Start Using Our Tools

Join thousands of professionals who've advanced their careers with our platform

Rate or Report This Job
If you feel this job is inaccurate or spam kindly report to us using below form.
Please Note: This is NOT a job application form.


    Unlock Your Design accéléré Potential: Insight & Career Growth Guide