2026-41638-S2242 - Stage - Bac+5 - Planification optimale d'essais dynamiques sur barres d’Hopkinson - H/F
Domaine : Mathématiques, information scientifique, logiciel Contrat : Stage Description du poste : Le cadre d'étude s'inscrit dans celui de la planification optimale d'expériences bayésienn...
Résumé
Domaine : Mathématiques, information scientifique, logiciel Contrat : Stage Description du poste : Le cadre d'étude s'inscrit dans celui de la planification optimale d'expériences bayésienne (Bayesian Optimal Experimental Design) [2,3]. Les missions du stage s’articulent autour de deux thématiques complémentaires : • Calibration bayésienne : estimer les paramètres du modèle JC et leur incertitude sous la forme d’une distribution a posteriori, en comparant plusieurs approches (approximation de Laplace, méthodes MCMC, ...) ; • Planification optimale d'expériences : choisir chaque essai en maximisant le critère du gain d’information espéré, puis comparer ces plans à des stratégies naïves (grille régulière, tirages aléatoires,...). Véritable sujet de R&D, le stage s’appuiera sur le modèle JC utilisé comme un générateur virtuel d’essais sur barres d’Hopkinson, afin d’évaluer de façon contrôlée l’apport des stratégies de planification. Des ingrédients de plus en plus physiques pourront être intégrés (bruits de mesure, erreurs de modèle, données expérimentales et numériques issues des deux autres stages). Vous travaillerez au sein d’une unité de mathématiques appliquées au CEA/DIF, développant des méthodes de quantification d’incertitudes. Des échanges avec le CEA Gramat et avec les deux autres stagiaires seront indispensables à la bonne réalisation des missions. Le stage permettra d’acquérir des compétences solides en calibration bayésienne et en optimisation. Un goût prononcé pour les probabilités, les statistiques et la programmation Python est essentiel. Une appétence pour la mécanique des matériaux est un atout. Bibliographie - [1] D. J. Walters et al., Bayesian calibration of strength parameters using hydrocode simulations of symmetric impact shock experiments of Al-5083, Journal of Applied Physics, 124(20):205105, 2018. - [2] D. E. Ricciardi et al., Bayesian optimal experimental design for constitutive model calibration, arXiv:2308.10702, 2023. - [3] X. Huan et al., Optimal experimental design: formulations and computations, Acta Numerica, 33:715–840, 2024. Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes handicapées, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation pour l’inclusion des travailleurs handicapés. Participant à la protection nationale, une enquête administrative est réalisée pour tous les collaborateurs du CEA afin d'assurer l'intégrité et la sécurité de la nation. Compétences en mathématiques appliquées. Un goùt prononcé pour les probabilités, les statistiques et la programmation est essentiel. Une appétence pour la mécanique des matériaux est un atout. Python; R Bac+5