Categories
cdd highlight job

Apprenticeship contract: Artificial Intelligence for Laser Plasma interaction simulations

Contrat d’apprentissage Master 1-2 ou école d’ingénieur 2ième année.
La mission porte sur l’utilisation des réseaux de neurones profonds dans le cadre de l’analyse in-situ de simulations HPC. Un premier modèle de type CNN sera a préparé sur la détection d’une bulle électronique pour un code d’interaction laser plasma.

Contact : Martial Mancip Martial.Mancip at MaisondelaSimulation.fr .
Location: Maison de la Simulation (CEA Saclay, 91191 Gif-sur-Yvette

Contexte
La Maison de la Simulation (MdS) est un laboratoire de recherche en simulation numérique. Ces activités concernent les domaines du calcul haute performance et de l’intelligence artificielle, des modèles de programmation et de la visualisation.

Avec l’augmentation très importante des performances des moyens de calcul, l’apprentissage profond (deep learning) devient un outil incontournable pour l’analyse des données produites sur les supercalculateurs.

Nous cherchons à construire une bibliothèque d’analyse haute performance in-situ grâce à de l’apprentissage profond couplé à une plateforme DASK.
La combinaison du parallélisme multi-noeuds DASK et d’un modèle d’apprentissage par renforcement permettra d’effectuer séparément le traitement asynchrone des données produites pendant la simulation, de réduire considérablement la nécessité de stocker les résultats intermédiaires, et d’augmenter les possibilités d’analyse hautes fréquences, sans impacter sur les performances. La détection d’événements sur le traitement des données permettra de déclencher de nouvelles analyses dans la simulation.
Les simulations HPC visées concernent le code SMILEI (interaction laser plasma) et nous visons de performance de type exascale lorsque ces machines seront disponibles. Les sorties de tels codes seront extrêmement coûteuses en temps de calcul comme en espace disque et le but de ces nouveaux outils est donc de les réduire, tout en augmentant les possibilités d’analyse hautes fréquences sur des phénomènes ciblés, encadrés dans le temps.
La détection d’un phénomène donné entraînera en retour de nouveaux post-traitements dans la simulation.
Un démonstrateur basé sur le code SMILEI à la MdS sera produit dans le cadre du projet de Centre d’Excellence Européen (CoE) récemment soumis PlaXma, avec une équipe d’une dizaine de personnes, dont cet(te) apprenti(e).

Mission
Le travail de la personne choisie pour l’alternance est de construire un premier modèle de type CNN sur la détection d’une bulle électronique, phénomène bien connu de la physique des plasmas.
Elle devra aussi produire un second réseau de neurones pour valider la disparition de la bulle.


Compétences requises
Notions sur le Deep Learning dont les réseaux de convolution.
Bonne programmation en Python.
Usage des bloc notes Jupyter.
Maîtrise de l’anglais technique.


Compétences souhaitées
Pratique de la plateforme Tensorflow / Keras.
Visualisation de données de simulations avec matplotlib ou équivalent.
Connaissances du monde du HPC : parallélisation, multi-threading, gestion des accélérateurs GPU.
Connaissances des librairies d’entrées/sorties dédiées au HPC : HDF5, NetCDF4, Xarray…
Connaissance de DASK.
Autres algorithmes d’IA pour la science des données de simulation.