Campus Innovation Paris - Ingénieur(e) Thermique et Machine Learning (F/H)

Campus Innovation Paris - Ingénieur(e) Thermique et Machine Learning (F/H)

Dpt / Région : Provence Alpes Côte d'Azur, 05, 06, 13, 83, 84, 04

Expérience : NC

Niveau d´étude : NC

Permis demandé : Permis NC

Salaire :

Niveau de qualification : NC

Campus Innovation Paris - [STAGE] - Ingénieur(e) Thermique et Machine Learning (F/H) Apply Job title Campus Innovation Paris - [STAGE] - Ingénieur(e) Thermique et Machine Learning (F/H) Contract Type Internship Publication date 2021-11-22 Country France Présentation du GroupeAir Liquide est un leader mondial des gaz, technologies et services pour l?industrie et la santé. Présent dans 78 pays avec 64 500 collaborateurs, le Groupe sert plus de 3,8 millions de clients et de patients. Oxygène, azote et hydrogène sont des petites molécules essentielles à la vie, la matière et l?énergie. Elles incarnent le territoire scientifique d?Air Liquide et sont au c?ur du métier du Groupe depuis sa création en 1902.Air Liquide a pour ambition d?être un leader de son industrie, d?être performant sur le long terme et de contribuer à un monde plus durable - avec au c?ur de sa stratégie, un engagement marqué en faveur du climat et de la transition énergétique. Descriptif de l'entité et de l'activitéLe Campus Innovation Paris est le plus grand centre de R&D d?Air Liquide. Il développe des solutions innovantes pour l?ensemble des activités du Groupe. Le Campus Innovation Paris constitue un véritable réservoir de talents, réunissant des scientifiques issus des meilleures universités et écoles d?ingénieurs, favorisant ainsi la diversité des compétences. Plus de 250 chercheurs travaillent dans 35 laboratoires dotés de matériel de pointe et de plateformes expérimentales, permettant d?explorer de nombreux domaines de recherche. Missions & ResponsabilitésLe Computational & Data Science Lab de la R&D d?Air Liquide héberge des activités de simulation numérique des processus chimiques impliquées dans la production industrielle de gaz, ainsi que de data science et de recherche opérationnelle. D?intéressants champs de développement émergent aujourd?hui à l?interface entre ces deux domaines : il s?agit d?hybrider un modèle appris (machine learning) à la modélisation physique de procédés, en particulier celui de la production d?hydrogène via le vapo-reformage. Le transfert de chaleur dans des fours industriels haute température du type vapo-reformage est dominé par le rayonnement. Pour être prédictif, les codes de calcul doivent donc utiliser un modèle de rayonnement le plus précis possible. Une méthode et un traitement spectral ont récemment été intégrés dans un code 2D, pour traiter le rayonnement de manière précise. Cependant, les modèles de rayonnement sont très coûteux en termes de temps de calcul et d'espace mémoire. L?objectif de ce stage est d?étudier comment l?apprentissage machine peut être utilisé pour réduire le temps de calcul tout en conservant l'aspect spectral du modèle de rayonnement. Les principales étapes du stage seraient : Recherche bibliographique sur les stratégies d?hybridation modèles physiques / modèles appris et des applicationsPrise en main du code physique 2D et de la méthodologie d'apprentissage associée Optimisation des hyperparamètres du modèle apprisTests et validations du code Au sein du groupe Computational & Data Science, le/la candidat(e) évoluera avec les membres des 3 équipes: Physique & Simulation, Recherche Opérationnelle et Data Intelligence, mais aussi avec des membres d?un partenaire sur le projet, l?IRT System-X. Profil et compétences Bac +5Bonnes bases en transfert thermique (notamment en rayonnement des gaz)Bonnes bases en Machine LearningMaîtriser un langage de programmation (de préférence Fortran, Python)Des connaissances en gestion de codes sources seraient un plus (git/gitlab de préférence)Connaissances en CFD seraient un plusCompétences en analyse et rédactionAnglais lu, écrit, parlé

#J-18808-Ljbffr