Estimation des émissions de CO2 avec l'apprentissage automatique

Type
Departement
Date
07-2222

Le doctorant travaillera sur un projet de collaboration entre EURECOM et l'Institut national d'études environnementales (NIES) (https://www.nies.go.jp/index-e.html) au Japon. L'objectif de ce projet est de développer un algorithme d'estimation des émissions de CO2 à partir des données de luminance observées par un satellite. L'objectif primordial est de permettre la surveillance et la quantification en temps réel des émissions de CO2 (et d'autres gaz à effet de serre) à partir de divers endroits sur la planète. Les outils développés dans le projet doivent être utilisés à des fins liées à l'atténuation du changement climatique.

À propos de l’encadrant

L’encadrant principal est le Dr ~ Motonobu Kanagawa (https://sites.google.com/site/motonobukanagawa/), professeur assistant à EURECOM. Il a travaillé sur l'apprentissage automatique statistique, avec un accent sur les algorithmes d'apprentissage pour lesquels des garanties théoriques peuvent être fournies. Il s'intéresse à la manière d'utiliser l'apprentissage automatique pour améliorer la fiabilité de la simulation informatique, avec des applications telles que les simulations de systèmes de circulation, les catastrophes naturelles (par exemple, les tsunamis), la finance (par exemple, les systèmes de retraite) et l'économie climatique.

Le projet comprend les deux tâches suivantes :

1. Émulation d'un simulateur qui transforme les émissions de CO2 en observations de luminance. Bien que NIES possède un tel simulateur, il est coûteux en calcul pour une utilisation répétée nécessaire pour estimer les émissions de CO2 en temps réel. Ainsi, la tâche ici est de développer un modèle de substitution qui émule et est plus rapide que le simulateur ; un tel modèle de substitution est appelé émulateur. En particulier, ce projet vise à développer un émulateur précis utilisant l'apprentissage automatique.

2. Estimation des émissions de CO2 à partir des observations de radiance à l'aide de l'émulateur développé. Plus précisément, ce projet adopte une approche bayésienne, utilisant l'émulateur pour définir un modèle de vraisemblance. Un défi clé ici est que l'estimation bayésienne doit être effectuée simultanément pour un grand nombre d'emplacements sur la terre. Pour relever ce défi, ce projet vise à développer un algorithme d'inférence bayésien évolutif.

Des déplacements au Japon sont à prévoir (frais pris en charge par EURECOM).

Prérequis

  • Diplôme de Master/Ingénieur dans une discipline pertinente pour ce projet (p. ex. informatique, mathématiques, sciences de l'environnement).
  • Solide expérience en statistiques, en apprentissage automatique et en science des données en général.
  • Solides compétences en programmation (Python, …).

Dossier de candidature

Les dossiers de candidature (préférablement en anglais) doivent être complets et comprendre :  

  • Curriculum vitae à jour
  • Relevés de notes pour le baccalauréat et le master
  • Mémoire de maîtrise (ou projet s'il n'est pas encore terminé) ou tout rapport/publication technique antérieur(e) lié(e) au poste.
  • Déclaration de recherche (2 pages max), expliquant pourquoi vous êtes intéressé par le projet et comment vous pouvez y contribuer.
  • Coordonnées de 2-3 références qui peuvent évaluer la capacité du candidat (par exemple, votre superviseur pour la thèse de master).

Les dossiers de candidature sont à envoyer à motonobu.kanagawa@eurecom.fr sous la Référence DS_MK_CO2ML_0722

Date d'embauche : Octobre 2022 (ASAP)
Durée du contrat : Durée de la thèse

 

 

More info