Doctorant Problèmes Inverses pour les Modèles Stochastiques Sous Incertitude de Localisation Appliqués à la Dynamique des Océans H/F - INRIA

A propos d'Inria

Inria, l'institut national de recherche dans les sciences et technologies du numérique, est en appui de l'État pour les stratégies nationales de recherche et d'innovation du numérique en tant qu'Agence de programmes. Inria mène plus de 300 projets de recherche et d'innovation avec ses 3500 scientifiques, ingénieurs et personnels d'appui, en partenariat avec les universités et l'écosystème numérique (entreprises, entrepreneurs, acteurs publics). Ensemble, nous explorons des domaines clés comme l'intelligence artificielle, la cybersécurité, l'informatique quantique, le Cloud, la transformation numérique de la santé, les jumeaux numériques ou encore les technologies numériques pour la défense. Nous construisons des solutions concrètes telles que des logiciels, des startups technologiques, des partenariats avec les entreprises du tissu national et des formations de pointe. Notre objectif : l'impact scientifique, technologique et industriel au service de la souveraineté numérique de la France.

Doctorant F/H Problèmes inverses pour les modèles stochastiques sous incertitude de localisation appliqués à la dynamique des océans

Type de contrat : CDD

Niveau de diplôme exigé : Bac +5 ou équivalent

Fonction : Doctorant

Niveau d'expérience souhaité : Jeune diplômé

Contexte et atouts du poste

La thèse sera encadrée par Gilles Tissot (Inria Rennes) et Quentin Jamet (SHOM) et dirigée par Étienne Mémin (Inria Rennes), au sein de l'équipe Inria "Odyssey" à Rennes. La thèse s'inscrit dans le projet ANR "NOUILLES" en collaboration avec les équipes Inria "AIRSEA" (Grenoble) et "Odyssey" (Rennes), l'IGE (Grenoble), le SHOM (Brest) et l'IRD-LEGOS (Toulouse).

L'équipe inter-tutelles "Odyssey", qui implique des membres de l'Ifremer, du Laboratoire d'Oceanographie Physique et Spatiale (UMR 6523), de l'IMT Atlantique à Brest et du centre Inria de l'Université de Rennes, fournira un environnement de travail et des collaborations extrêmement riches au candidat. Cette équipe à notamment pour but de développer des axes de recherche novateurs et transversaux (observation satellitaire / modélisation physique / mathématiques appliquées / méthodes numériques) sur l'analyse de données d'observations et de modélisation
numérique, afin d'améliorer notre compréhension et notre connaissance de la dynamique océanique.

Mission confiée

La modélisation sous incertitude de localisation considère les quantités conservées (masse, quantité de mouvement, énergie) comme soumises à un déplacement fluide perturbé par un mouvement brownien. L'application de ce principe conduit à une généralisation des équations de la dynamique des fluides géophysiques, dans laquelle les termes aléatoires permettent de modéliser les processus non résolus à l'échelle sous-maille, qu'il est indispensable de paramétrer dans le cadre des modèles océaniques.

La spécification des covariances du bruit stochastique reste toutefois une question ouverte. L'objectif de la thèse est de formuler des problèmes inverses permettant de déterminer ces covariances, de sorte que le modèle stochastique reproduise, selon un critère à définir, le comportement d'une simulation de référence. Il convient de souligner que le caractère stochastique des modèles rend la formulation de tels problèmes inverses non triviale. Par ailleurs, la capacité des méthodes développées à passer à l'échelle des grandes dimensions caractéristiques des modèles numériques océaniques constituera un enjeu crucial.

La configuration de convection profonde sera considérée dans cette thèse. Ce phénomène se produit lorsque des couches d'eau se refroidissent à la surface, voient leur densité augmenter et plongent sous forme de panaches en raison d'une instabilité gravitationnelle. Ces phénomènes, dont l'échelle est trop petite pour être résolue par les modèles climatiques, jouent néanmoins un rôle majeur dans la circulation océanique globale. Les méthodologies développées dans le cadre de cette thèse pourraient ainsi permettre de construire une paramétrisation de ces phénomènes combinant rigueur mathématique et cohérence physique.

Principales activités

Ce projet de thèse reposera sur des développements théoriques, de la modélisation physique et leur mise en oeuvre numérique.

Le/la candidat.e se familiarisera avec les modèles stochastiques appliqués aux événements de convection profonde. Il/elle manipulera des simulations numériques de référence de type LES (simulation des grandes échelles), réalisées avec le code opérationnel CROCO. Il/elle formulera théoriquement des problèmes inverses adaptés à ce type de modèles. Des méthodes adjointes et des méthodes d'ensemble seront envisagées, et différents choix de paramètres de contrôle et de fonctions coût seront comparés.

La détermination de la covariance du bruit stochastique conditionnée par des paramètres environnementaux, tels que le flux de chaleur en surface ou la stratification, constituera un enjeu majeur, tant sur le plan théorique que pour l'application physique. Afin d'évaluer le passage à l'échelle des méthodes développées, une configuration canonique tridimensionnelle de canal turbulent, sans rotation ni stratification, pourra également être considérée.

Compétences

Une formation initiale en mathématiques appliquées, en mécanique des fluides ou en océanographie et un fort attrait pour la simulation numérique sera demandé.

Des bases de programmation en Python ou Julia et Fortran ou C++ seront appréciées.

Avantages

• Restauration subventionnée
• Transports publics remboursés partiellement
• Congés: 7 semaines de congés annuels + 10 jours de RTT (base temps plein) + possibilité d'autorisations d'absence exceptionnelle (ex : enfants malades, déménagement)
• Possibilité de télétravail (après 6 mois d'ancienneté) et aménagement du temps de travail
• Équipements professionnels à disposition (visioconférence, prêts de matériels informatiques, etc.)
• Prestations sociales, culturelles et sportives (Association de gestion des oeuvres sociales d'Inria)
• Accès à la formation professionnelle
• Sécurité sociale