Collaborateur Scientifique

**Description de l’entreprise
**Description de la fonction
**Les éruptions solaires se produisent dans les ¿régions actives¿ du Soleil. Ces soudaines libérations d'énergie émettent une importante radiation dans un domaine de longueurs d'onde très large, depuis les rayons X jusqu'au ondes radio. DELPHFI (DEep Learning Prediction and Hindsight of Flare Initiation) est un projet en collaboration entre l'ORB et l'Université KU Leuven dans le cadre du programme Brain-be 2.0 financé par la Politique Scientifique Fédérale Belge (BESLPO). Ses objectifs sont:
d'améliorer notre compréhension des mécanismes qui conduisent aux éruptions solaires, grâce à l'interprétation de résultats obtenus par les techniques modernes d'apprentissage automatique (« machine learning ») ;
de montrer comment les techniques modernes d'apprentissage automatique, basées sur l'extraction automatique de caractères pertinents des régions actives, peuvent mener à de meilleures prévisions des éruptions solaires que celles faites par les opérateurs humains ou par les méthodes automatiques existantes ;
- Améliorer des modèles de réseaux neuronaux convolutifs (CNNs) développés actuellement dans l'équipe, pour optimiser les capacités de prévisions des éruptions solaires ;
- Participer à la mise au point du sous-ensemble de données solaires le plus efficace pour la prévision des éruptions solaires et le plus adapté aux conditions opérationnelles. Les données peuvent en effet être sélectionnées parmi différentes sources telles que les magnétogrammes solaires, les images dans l'EUV, l'UV et le domaine visible, dans différentes résolutions et disponibles avec différents temps de latence ;
- utiliser des méthodes d'explicitation (« explainable ») pour interpréter les résultats ;
- contribuer aux publications du projet dans des revues d'évaluation par les pairs.

L'emploi propose est un temps-plein. Le contrat initial est pour un an et peut être prolongé en fonction de la satisfaction mutuelle et des financements disponibles.

**Description du profil
**- familiarité avec les bibliothèques d'apprentissage automatique telles que Tensorflow, Keras, PyTorch et scikit-learn ;
- connaissances et compétences à jour dans d'autres outils et techniques récents d'apprentissage automatique ;
- expérience dans le développement d'outils logiciels orientés utilisateur ;
- communication fluide en anglais écrit et parlé;
- expérience en physique solaire et/ou météorologie spatiale;
- intérêt à faire le lien entre les résultats de l'IA et leur interprétation physique ;
- intérêt à continuer à travailler dans un environnement de recherche après le contrat initial d'un an.

**Informations supplementaires**
Lieu de travail Uccle, Belgique

Type de contrat : Travail

Autres Informations :