ar
جامعة حكومية, تصفح الفرص المماثلة
"الذكاء الاصطناعي للعلوم" (AI4theSciences) هو برنامج دكتوراه مبتكر ومتعدد التخصصات والقطاعات ، بقيادة Université Paris Sciences et Lettres وبتمويل مشترك من قبل المفوضية الأوروبية. بدعم من البرنامج الأوروبي للابتكار والبحث Horizon 2020- Marie Sklodowska-Curie Actions ، تم تصميم AI4theSciences بشكل فريد لتدريب جيل جديد من الباحثين على أعلى مستوى أكاديمي في تخصصهم الرئيسي (الفيزياء والهندسة والبيولوجيا والعلوم الإنسانية والاجتماعية) و إتقان أحدث التقنيات في الذكاء الاصطناعي والتعلم الآلي التي تنطبق في مجالهم.
سينضم 26 طالب دكتوراه إلى مدارس الدكتوراه في جامعة PSL في فئتين أكاديميتين للقيام بالعمل على الموضوعات المقترحة والمحددة من قبل المجتمع العلمي في PSL. ستقدم دعوة 2020 ما يصل إلى 15 وظيفة دكتوراه في 24 مشروع بحث دكتوراه. سيتم تعيين المرشحين من خلال عمليات الموارد البشرية عالية المستوى ، على أساس الشفافية وتكافؤ الفرص والتميز.
وصف موضوع الدكتوراه: "التعلم الآلي المستنير بالفيزياء في سياق التصوير الزلزالي"
السياق - الدافع
ضمن مشروع MINDS (مبادرة المناجم للأرقام وعلوم البيانات) الذي تم تطويره في Mines ParisTech-PSL ، الهدف هو سد الفجوة بين مناهج التعلم الآلي والفيزياء. ينمو التعلم الآلي بسرعة كبيرة. بعد خطوة تعلم محتملة ، الهدف هو السماح للبيانات بالحديث. تميل هذه الأساليب إلى نسيان الأساليب التقليدية القائمة على الفيزياء. الهدف من العمل هو تطوير نهج وسيط ، في سياق التصوير الزلزالي ، للحفاظ على الفيزياء [1]. في الوقت الحالي ، ترتبط المساهمات الرئيسية لتعلم الآلة في المعالجة الزلزالية بخطوات المعالجة المسبقة (إزالة الضوضاء ، الانتقاء ، ...) ولكن ليس بعد في جزء التصوير (تحديد خصائص الأرض من القياسات السطحية ، وهي ليست مشكلة خطية). يجب أن يسد الإدخال الواضح للفيزياء في التعلم الآلي هذه الفجوة ، وإذا نجح المشروع فسيكون له تأثير كبير في الطريقة التي تتعامل بها الشركات الصناعية مع البيانات الزلزالية.
في عام 2019 ، أوضح Raissi وآخرون كيف يمكن الجمع بين مناهج التعلم الآلي مع مناهج الفيزياء التقليدية ( الشبكات العصبية المستندة إلى الفيزياء ، PINN) [3]. ترتبط التطبيقات بحل المعادلات التفاضلية الجزئية (أي المشكلات المباشرة) وكذلك حل المشكلات العكسية (تحديد المعلمات الرئيسية التي تتحكم في الظواهر الفيزيائية ، على سبيل المثال انتشار الموجة ، من مجموعة من الملاحظات). سيتم تطوير النهج اللاحق هنا.
من ناحية أخرى ، الشبكات العصبية العميقة قادرة نظريًا على وصف أي وظائف. عادة ما يكون التعلم مهمة معقدة وفي المشاكل المتعلقة بالفيزياء ، تكون الملاحظات نادرة ومكلفة للحصول عليها. من ناحية أخرى ، لا يعتبر التعلم الآلي عادة المعادلات القائمة على الفيزياء ، وهي مصدر معلومات مفيد للغاية. كما هو مقترح في [3] ، تحتوي وظيفة الخسارة المعدلة في الشبكات العصبية على عدة مصطلحات للتأكد من أن البيانات تتنبأ بالملاحظات وأن قوانين الفيزياء قد تم الوفاء بها. يمكن اعتبار هذا المصطلح الثاني كمصطلح تنظيم ، وهو ضروري من الناحية العملية لتجنب أي إفراط في التوفيق في حالة البيانات المشوشة. يوفر التمايز التلقائي (الانتشار الخلفي للأخطاء) داخل الشبكات العصبية طريقة لتقدير المعلمات المثلى ، هذا النهج جذاب للغاية وسيتم توسيعه وتعديله ليكون قابلاً للتطبيق في سياق التصوير الزلزالي. يتكون الاكتساب الزلزالي من تنشيط مصدر زلزالي وتسجيل الموجات الصوتية / المرنة. الهدف هو تحديد حقول موجة السرعة الزلزالية وأي معلمات أخرى تتحكم في انتشار الموجة داخل السطح السفلي. بالمقارنة مع تطبيقات PINN الأولى ، يقدم التصوير السيزمي بعض الجوانب المعينة التي يجب مراعاتها بشكل صحيح:
المراجع الرئيسية:
[1] تشوريس ، هـ. (2019). انعكاس الشكل الموجي الكامل ، التصوير الزلزالي ، منهج عملي ، JL. Mari and M. Mendes (Eds.) ، EDP Sciences ، الفصل 5 ، 23 صفحة ، ISBN (كتاب إلكتروني): 978-2-7598-2351-2 ، دوى: 10.1051 / 978-2-7598-2351-2.c007
[2] Goodfellow، I.، J. Pouget-Abadie، M. Mirza، B. Xu، D. Warde-Farley، S. Ozair، A. Courville and Y. Bengio (2014). شبكات الخصومة التوليدية ، وقائع المؤتمر الدولي للمعلومات العصبية ، arXiv: 1406.2661
[3] Raissi، M.، P. Perdikaris، GE Karniadakis (2019). الشبكات العصبية المستنيرة للفيزياء: إطار التعلم العميق لحل المشكلات الأمامية والمعكوسة التي تتضمن المعادلات التفاضلية الجزئية غير الخطية ، مجلة الفيزياء الحاسوبية ، 378 ، 686-707
الأهداف العلمية والمنهجية والنتائج المتوقعة
وبالتالي ، فإن الهدف من أطروحة الدكتوراه هو تطوير نهج جديد للتعلم الآلي المستنير بالفيزياء في سياق التصوير الزلزالي. سيتم إجراء عمليات التحقق على مجموعات بيانات تركيبية وحقيقية ، تقدمها الشركة الصناعية. ستشارك الشركة أيضًا في الإشراف على العمل (تحت إشراف شخص حاصل على درجة "HDR") وتقترح تدريبًا داخليًا للتطبيق على بيانات حقيقية ، بحيث يمكن للشركة الاستفادة حقًا من العمل. نظرًا لأن الشركة المحددة دولية ، فقد تأتي البيانات الحقيقية من الخارج ، بالتعاون مع الفرق المحلية. المشرف الأكاديمي الرئيسي لديه خبرة طويلة في التصوير الزلزالي والمشاكل العكسية. أشرف على أكثر من 15 طالب دكتوراه.
الحراك الدولي
من المتوقع أن يقضي المرشح حوالي 6 أشهر للعمل داخل الشركة لتطبيق البيانات الحقيقية ونقل التكنولوجيا. سيتم دعم المدارس الصيفية في الشركات الصناعية بشكل كبير.
الإشراف على الرسالة
هيرفي تشوريس وإيلي هاشم
PSL
تهدف جامعة PSL ، التي تم إنشاؤها في عام 2012 ، إلى تطوير برامج تدريبية متعددة التخصصات ومشاريع علمية متميزة داخل أعضائها. يقوم 140 معملاً و 2900 باحثًا بإجراء أبحاث تأديبية عالية المستوى ، أساسية وتطبيقية ، مما يعزز نهجًا قويًا متعدد التخصصات. يغطي نطاق Université PSL جميع مجالات المعرفة والإبداع (العلوم والعلوم الإنسانية والاجتماعية والهندسة والفنون). تجمع المدارس المكونة من 11 مدرسة 17000 طالب وفازت بأكثر من 200 ERC. تم تصنيف PSL في المرتبة 36th في تصنيف شنغهاي لعام 2020 (ARWU).
اختر البلد الذي توّد السفر إليه للدراسة مجانا أو العمل أو التطوع