Ingénieur Machine Learning H/F

Dans le cadre de collaborations internationales, l'ingénieur contribue au développement des méthodes numériques et des applications logicielles nécessaires aux groupes de physique. Il peut intervenir dans toutes les étapes d'un projet, de l'analyse des besoins au déploiement, en interaction avec des collaborateurs internes ou externes. Au sein du service informatique, il partage son savoir-faire, contribue au patrimoine logiciel de l'équipe, se soucie de sa réutilisation et de sa valorisation.

Activités

• Piloter des projets techniques qui concourent par des méthodes de calcul à la résolution d'une problématique scientifique dans ses dimensions techniques, humaines et administratives
• Apporter auprès des chercheurs du domaine de la physique des particules, une expertise dans l'utilisation des méthodes mathématiques et des techniques informatiques pour la modélisation et la simulation d'un phénomène physique
• Orienter le choix sur les méthodes et les outils pertinents en fonction du problème posé et de l'architecture des machines de calcul ciblées
• Concevoir des méthodes pour la modélisation, le calcul et la visualisation des résultats
• Évaluer la qualité des codes, la qualité des résultats et de leur interprétation
• Participer à des projets de recherche au plan national et international et aux publications associées
• Assurer la gestion du cycle de vie des données du calcul, leur organisation et le suivi de leur exploitation jusqu'à leur visualisation
• Transmettre les connaissances et les compétences en matière de calcul scientifique, au travers de présentations et de formations
• Participer au choix, à l'acquisition, à l'exploitation des calculateurs de haute performance
• Développement et optimisation de réseaux de neurones à convolution de graphe (GCN) pour la reconstruction et le déclenchement (trigger) d'événements dans HGCal.

Savoir piloter un projet, travailler en équipe, négocier en interne et en externe.

• Maitriser les principaux langages de programmation utilisés en physique des particules et des hautes énergies, notamment C++ et Python.
• Connaitre les outils de développement sous Linux.
• Maîtriser l'anglais oral et écrit (niveau européen B2)
• Accompagner et former les chercheurs et étudiants du laboratoire à l'utilisation de ces techniques.
• Certaines compétences techniques supplémentaires seront appréciées : programmation GPU (Cuda), machine learning (Pytorch, Pytorch-geometric), Analyse d'images

Le Laboratoire Leprince-Ringuet (LLR) est une unité mixte de recherche de l'École polytechnique et de l'IN2P3/CNRS, située sur le campus de l'École polytechnique à Palaiseau. Il compte environ 120 personnes : chercheurs, ingénieurs, techniciens, post-doctorants et doctorants. Les chercheurs du LLR contribuent à plusieurs collaborations internationales majeures en physique des particules et en astrophysique, dont les installations expérimentales sont réparties à travers le monde. L'ingénieur·e recruté·e aura ainsi l¿opportunité de prendre des responsabilités au sein de ces collaborations et sera susceptible de se déplacer régulièrement à l'étranger dans le cadre de ses activités scientifiques et techniques. Depuis 2019, le LLR a constitué un groupe d'ingénieurs et physiciens développant des techniques de machine learning appliquées à l'identification, la classification et la caractérisation des particules dans plusieurs expériences internationales, notamment CMS@LHC et Super-Kamiokande. L'ingénieur·e rejoindra ce groupe et s'impliquera sur le projet CMS/HGCal, un nouveau calorimètre à très haute granularité destiné à améliorer la reconstruction 3D des collisions de particules. Il ou elle contribuera à l'intégration de ces outils dans le framework CMSSW/TICL pour l'identification et la calibration des particules. L'ingénieur·e sera membre du service informatique du LLR, placé sous la responsabilité du Responsable du service informatique, qui regroupe une dizaine de personnes œuvrant au développement, au déploiement et à la maintenance des outils logiciels et infrastructures du laboratoire.