Le Centre national de la recherche scientifique est un organisme public de recherche pluridisciplinaire placé sous la tutelle du ministère de l’Enseignement supérieure et de la Recherche. Créé en 1939 et dirigé par des scientifiques, il a pour mission de faire progresser la connaissance et être utile à la société dans le respect des règles d’éthique, de déontologie et d’intégrité scientifique.

Missions :
La personne recrutée pour ce poste travaillera dans le cadre du programme français Océan et Climat, en particulier dans la composante « data challenges » en intelligence artificielle du projet :
https://www.ocean-climat.fr/Le-PPR/Actualites/Intelligence-artificielle-Appel-a-postdoc-et-data-challenges.

L’objectif est de faire collaborer et concurrencer plusieurs équipes (« coopétition ») pour résoudre des défis majeurs liés aux données en sciences marines. Le défi concerné ici porte sur la prédiction de la composition des communautés d’organismes marins (zooplancton, particules de neige marine et poissons des récifs coralliens) à partir de données environnementales collectées autour du point d’observation biologique. Formellement, la sortie est multivariée (de 10 à 600 groupes), et l’entrée peut comporter jusqu’à quatre dimensions (latitude, longitude, profondeur, temps) pour chaque variable (avec plus d’une douzaine de variables en entrée).

L’approche envisagée repose sur les récents développements de l’utilisation des réseaux de neurones convolutifs (CNN) pour les modèles de distribution d’espèces (Species Distribution Models), par exemple Deneu et al. 2021 ou Morand et al. 2024, en vue de résumer la complexité des champs d’entrée, puis de faire une régression dans l’espace d’embedding sur les variables cibles. Cependant, de nombreux défis restent à relever dans cette approche (choix entre CNN et transformeurs visuels, structuration des données d’entrée, intégration des dimensions temporelle et verticale, fonction de perte adaptée à une sortie multivariée, etc.). Nous attendons donc du ou de la post-doctorant·e qu’il ou elle apporte des contributions significatives au domaine au cours du projet.

Références :

- Deneu B et al. (2021) Convolutional neural networks improve species distribution modelling by capturing the spatial structure of the environment. PLoS Comput Biol
- Morand G et al. (2024) Predicting species distributions in the open ocean with convolutional neural networks. Peer Community J
Activités :
Principales activités (par ordre chronologique) :
- Se familiariser avec les divers ensembles de données d’entrée et de sortie
- Étudier la fonction de perte pour une régression multivariée avec des plages très différentes dans les variables cibles et des distributions de densité inconnues
- Explorer la meilleure manière de résumer les entrées 2D (longitude, latitude) afin de capturer le contexte de l’observation et d’améliorer la prédiction
- Étudier l’ajout de dimensions supplémentaires (troisième et quatrième) aux entrées

Autres activités : Le post-doctorant est amené à collaborer avec l’autre équipe travaillant sur le même défi, basée à Montpellier. Il/elle sera également impliqué(e) dans les activités générales liées au programme Océan et Climat, ainsi que dans d’autres projets en cours impliquant les superviseurs, tels que l’équipe OceanIA d’INRIA https://oceania.inri
Voir plus sur le site emploi.cnrs.fr...

Le Centre national de la recherche scientifique est l’une des plus importantes institutions publiques au monde : 34 000 femmes et hommes (plus de 1 000 laboratoires et 200 métiers), en partenariat avec les universités et les grandes écoles, y font progresser les connaissances en explorant le vivant, la matière, l’Univers et le fonctionnement des sociétés humaines. Depuis plus de 80 ans, y sont développées des recherches pluri et interdisciplinaires sur tout le territoire national, en Europe et à l’international. Le lien étroit que le CNRS tisse entre ses missions de recherche et le transfert vers la société fait de lui un acteur clé de l’innovation en France et dans le monde. Le partenariat qui le lie avec les entreprises est le socle de sa politique de valorisation et les start-ups issues de ses laboratoires (près de 100 chaque année) témoignent du potentiel économique de ses travaux de recherche.

Competences :
Connaissances transversales requises :
- Expertise en apprentissage automatique et en apprentissage profond, en particulier
- Des connaissances en écologie, biologie marine ou océanographie seraient un plus
- Bonnes compétences rédactionnelles et d'expression orale en anglais (niveau B2 minimum)
- Rigueur scientifique et curiosité

Compétences techniques :
- Requis : Doctorat ou diplôme d'ingénieur en apprentissage profond
- Requis : Bonnes compétences en programmation et capacité à traiter de grands ensembles de données
- Requis : Publication d'au moins un article de recherche dans une revue scientifique ou une conférence majeure en tant que premier auteur
- Optionnel : Expérience préalable en écologie, biologie marine ou océanographie
- Optionnel : Expérience préalable avec les modèles de distribution des espèces

Compétences relationnelles :
- Autonomie et capacité à travailler en équipe
- Collaboration dans un contexte international
Contraintes et risques :
Néant