Post-Doctorant F/H [POSTDOC2024-CALISTO] : Machine Learning pour la Navigation et le Contrôle d’Essaims de Micro-nageurs en Milieux Complexes

Type de contrat : CDD

Niveau de diplôme exigé : Thèse ou équivalent

Fonction : Post-Doctorant

Niveau d'expérience souhaité : Jeune diplômé

A propos du centre ou de la direction fonctionnelle

Le centre Inria d'Université Côte d'Azur regroupe 37 équipes de recherche et 8 services d’appui. Le personnel du centre (500 personnes environ) est composé de scientifiques de différentes nationalités, d’ingénieurs, de techniciens et d’administratifs. Les équipes sont principalement implantées sur les campus universitaires de Sophia Antipolis et Nice ainsi que Montpellier, en lien étroit avec les laboratoires et les établissements de recherche et d'enseignement supérieur (Université Côte d’Azur, CNRS, INRAE, INSERM ...), mais aussi avec les acteurs économiques du territoire.
Présent dans les domaines des neurosciences et biologie computationnelles, la science des données et la modélisation, le génie logiciel et la certification, ainsi que la robotique collaborative, le Centre Inria d’Université Côte d’Azur est un acteur majeur en termes d'excellence scientifique par les résultats obtenus et les collaborations tant au niveau européen qu'international.

Contexte et atouts du poste

Dans le cadre d’un partenariat (vous pouvez choisir entre)

  • public avec ANR NEMO

 L’ objectif est de developper des outils de contrôle d'essaims de micro-nageurs dans des milieux complexes à l'aide d'outils de machine learning.

 

Mission confiée

Contexte :
Le domaine médical se trouve à l'aube d'une révolution avec l'émergence des micromachines, spécifiquement conçues pour remplacer les interventions chirurgicales lourdes ou pour effectuer des traitements ciblés dans des zones du corps humain autrement inaccessibles. L'utilisation d'essaims de micro-robots nageurs est particulièrement prometteuse pour ces tâches, car leur petite taille les rend idéaux pour la délivrance localisée de petites doses de médicaments.

Cependant, manipuler un seul micro-robot dans le corps humain représente déjà un défi technique significatif, principalement en raison de la complexité des fluides biologiques. Ces milieux sont divers en viscosité et composition, exigeant des stratégies de navigation hautement adaptables et modifiables pour être efficaces.

Le défi s'accentue lorsqu'il s'agit de contrôler un ensemble de ces micro-robots. Souvent, un seul contrôle uniforme est appliqué à l'ensemble des robots, qui réagissent tous de la même manière. C'est comme essayer de contrôler plusieurs voitures télécommandées avec une seule télé-commande.

Objectifs :
Notre modèle pour le contrôle de ces essaims de micro-nageurs doit intégrer plusieurs aspects physiques cruciaux :

  • La complexité du fluide environnant, incluant parfois des vortex turbulents et des parois étroites et rugueuses.
  • Les interactions hydrodynamiques entre le fluide et les nageurs.
  • Les effets d'interaction, telle que la traînée qu'un nageur impose à ses voisins.
  • Potentiellement, les effets de la déformation du nageur sur le fluide environnant.

Pour relever ces défis, notre approche envisage l'utilisation de modèles variés qui prennent en compte ces interactions physiques à divers degrés de complexité. Nous explorerons l'application de techniques avancées d'apprentissage machine, telles que l'apprentissage par renforcement et l'apprentissage profond, pour optimiser la navigation et le contrôle de ces essaims et synchroniser ces ensembles.

Les résultats de simulations numériques serviront de prélude à des tests plus raffinés, voire expérimentaux, réalisés en collaboration avec des institutions de recherche. Ce travail vise à poser les bases d'une nouvelle génération de traitements médicaux mini-invasifs, augmentant la précision et réduisant les risques associés aux interventions chirurgicales traditionnelles.

Missions :
Avec l'aide de l'équipe de recherche, la personne recrutée sera amenée à développer et à mettre en œuvre des algorithmes de contrôle innovants pour les essaims de micro-robots nageurs, afin d'optimiser leur déplacement et leur navigation.

Pour une meilleure connaissance du sujet de recherche proposé :
Un état de l'art, une bibliographie, des références scientifiques sont disponibles à l'URL suivante, n'hésitez à pas à vous y connecter : https://www-sop.inria.fr/members/Laetitia.Giraldi/NEMO.html

Collaboration :
La personne recrutée travaillera en lien étroit avec plusieurs membres de l'équipe d'accueil interdisciplinaire, comprenant des experts en optimisation et contrôle optimal, en mécanique des fluides et en modélisation physique. Cette collaboration permettra d'intégrer efficacement les différents aspects du projet et donnera l'occasion à la jeune chercheuse ou au jeune chercheur de développer de nouvelles connaissance à la croisée de ces disciplines.

Responsabilités :
La personne recrutée aura la charge de développer des stratégies de contrôle avancées pour les essaims de micro-robots nageurs, en utilisant notamment des techniques d'apprentissage machine par renforcement. Elle prendra des initiatives pour concevoir et mettre en œuvre des solutions innovantes, tout en contribuant activement à la publication des résultats dans des revues scientifiques de premier plan.

Principales activités

Activités principales : La personne recrutée sur ce contrat postdoctoral se concentrera sur le développement et la validation de modèles mathématiques et numériques pour la simulation des dynamiques d'essaims de micro-robots nageurs en milieu biologique. Elle appliquera notamment des techniques d'apprentissage machine, notamment d'apprentissage profond par renforcement, pour contrôlere et optimiser a navigation de ces essaims. Elle sera aussi en charge de la rédaction d'articles scientifiques et de la présentation de ces résultats lors de conférences internationales.

Activités complémentaires : En complément de ses activités de recherche, la personne recrutée participera à des séminaires et ateliers pour échanger avec des experts du domaine et enrichir sa compréhension des dernières avancées technologiques. Elle pourra aussi contribuer à la supervision d'étudiants de master et de doctorat, les guidant dans leurs projets et expériences liés au sujet.

Compétences

Le candidat idéal pour ce postdoctorat doit avoir une solide formation en mathématiques appliquées ou en physique, englobant les interactions fluide-structure, les PDE et l'optimisation. Il doit également être désireux de maîtriser les outils de machine learning et posséder d'excellentes compétences en programmation pour mener des simulations complexes. Ces compétences interdisciplinaires sont essentielles pour réussir dans ce domaine de recherche avancé.

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 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 œuvres sociales d'Inria)
  • Accès à la formation professionnelle
  • Participation mutuelle (sous conditions)

Rémunération

Durée: 18 mois
Localisation: Sophia Antipolis, France
Rémunération: 2788€ brut mensuel