Votre quotidien

Au coeur de Saint Quentin en Yvelines, le site d'Elancourt est un des centres d’excellence technologique Thales les plus importants. La diversité et la technicité des systèmes et équipements mobilisent des savoir-faire dans plus de 80 métiers dans les solutions de défense, de sécurité de haute technologie et de services numériques.

Au sein du département MIT, vous intégrerez une équipe spécialisée dans la mise en œuvre de techniques avancées pour les systèmes radar.

Dans le contexte des systèmes radar, l'objectif est d'améliorer l’acquisition et le traitement des signaux électromagnétiques grâce à la conception d'architectures innovantes exploitant les réseaux de neurones informés par la physique (PINN). Vous étudierez les limites des traitements radar conventionnels et identifierez les cas d’usage adaptés aux PINN (notamment le problème inverse électromagnétique pour retrouver les propriétés physiques d'un milieu à partir de mesures de champs électromagnétiques, la détection, l'estimation de paramètres, la formation de faisceau, etc.) et vous développerez un simulateur comparant les performances des PINN à celles des méthodes classiques.

Ce stage s’inscrit dans une démarche à la fois scientifique (exploration de nouveaux concepts en électromagnétisme) et industrielle (applications concrètes pour les systèmes radar).

En nous rejoignant, vous vous verrez confier les missions suivantes :

• Comprendre le besoin exprimé.
• Effectuer une étude théorique sur le sujet.
• Concevoir des architectures PINN innovantes.
• Développer un simulateur.
• Rédiger un rapport final.

Références:

1. Raissi, M., Perdikaris, P., & Karniadakis, G. E. (2019). Physics-informed neural networks: A deep learning framework for solving forward and inverse problems involving nonlinear partial differential equations. Journal of Computational physics, 378, 686-707.
2. Hu, Y. D., Wang, X. H., Zhou, H., Wang, L., & Wang, B. Z. (2023). A more general electromagnetic inverse scattering method based on physics-informed neural network. IEEE Transactions on Geoscience and Remote Sensing, 61, 1-9.
3. Zheng, Y., & Wang, Y. (2023). Ground-penetrating radar wavefield simulation via physics-informed neural network solver. Geophysics, 88(2), KS47-KS57.

Votre profil

Vous préparez un BAC+5 en mathématiques, électronique ou traitement du signal et recherchez un stage pour une durée de 6 mois ? Vous avez un apprentissage profond sur les PINN, réseaux de neurones ? Vous avez des connaissances en traitement du signal et électromagnétisme (équations de Maxwell, propagation d'ondes) ? Vous avez des compétences en programmation (Python, TensorFlow/PyTorch) ? Vous avez une capacité à travailler de manière autonome tout en faisant preuve d’initiative ? Vous faites preuve d'esprit d'équipe et de rigueur scientifique ? Alors ce poste est fait pour vous !

Tous nos stages sont conventionnés et soumis à une gratification dont le montant est déterminé selon votre niveau d’études. Thales, entreprise Handi-Engagée, reconnait tous les talents. La diversité est notre meilleur atout. Postulez et rejoignez nous !