Modèles multi-échelle de fondation pour la modélisation du climat et le changement climatique

Offre de doctorat entièrement financée — Modèles de fondation multi-échelle pour la modélisation du climat et le changement climatique École Normale Supérieure (ENS), Paris — Rue d'Ulm, en collaboration avec Inria Nous recherchons un(e) doctorant(e) très motivé(e) pour rejoindre l'École Normale Supérieure (ENS) à Paris (Rue d'Ulm) et contribuer au développement d'une nouvelle génération de modèles de fondation multi-échelle pour la modélisation du climat et l'étude du changement climatique. Le projet explorera de nouvelles approches d'intelligence artificielle appliquées aux systèmes physiques complexes, avec un intérêt particulier pour l'apprentissage multi-échelle, la causalité, les dynamiques chaotiques, les rétroactions physiques et les conditions aux limites. L'objectif est de développer de nouvelles méthodologies faisant le lien entre les avancées récentes dans les modèles de fondation, l'apprentissage automatique et la physique du climat, afin de répondre à certains des défis fondamentaux liés à la modélisation et à la prédiction du système terrestre. Un enjeu central : relier les échelles du système climatique Le caractère multi-échelle du système climatique sera au cœur du projet. Les processus climatiques s'étendent sur des échelles spatiales et temporelles extrêmement variées, allant de phénomènes locaux et rapides — tels que la convection, la turbulence, les nuages ou les interactions surface-atmosphère — à des dynamiques régionales et globales évoluant sur plusieurs années ou décennies. Une question scientifique majeure consistera donc à déterminer comment les modèles de fondation peuvent apprendre, représenter et coupler efficacement des processus opérant à différentes échelles, tout en capturant leurs interactions et leurs rétroactions. Le projet pourra notamment étudier comment l'information se propage entre les échelles, comment des processus à petite échelle influencent la dynamique climatique à grande échelle, et inversement, ainsi que la manière dont ces interactions peuvent être intégrées dans des architectures d'apprentissage automatique. L'impact potentiel de cette approche multi-échelle est important : elle pourrait permettre de développer des modèles climatiques fondés sur l'IA qui soient plus précis, plus efficaces et mieux capables de représenter les phénomènes extrêmes et les rétroactions climatiques. Elle pourrait également contribuer à réduire certaines incertitudes liées à la représentation des processus sous-maille et à améliorer notre capacité à comprendre et anticiper les conséquences régionales et globales du changement climatique. Le/la doctorant(e) rejoindra un groupe de doctorants et de chercheurs postdoctoraux recrutés à l'ENS pour travailler à l'interface entre l'intelligence artificielle, la physique et les sciences du climat. Cet environnement fortement collaboratif offrira la possibilité de développer un programme de recherche individuel ambitieux tout en participant à des projets communs au sein du groupe. Ce poste constitue une occasion unique de travailler à la pointe de l'IA et des sciences du climat, au cœur de Paris, en développant des méthodes susceptibles de transformer notre manière de modéliser, comprendre et prévoir le système climatique à travers ses différentes échelles spatiales et temporelles. Profil recherché Master (M.Sc.) ou diplôme équivalent en intelligence artificielle, physique, mathématiques appliquées, sciences de l'atmosphère ou sciences du climat. Une expérience ou un intérêt marqué pour l'apprentissage automatique, les modèles de fondation, les systèmes dynamiques, la modélisation physique ou les méthodes numériques sera particulièrement apprécié. Pierre Gentine Professeur École doctorale : Sciences de l'Environnement d'Ile-de-France Direction : Pierre GENTINE Financement : ANR Financement d'Agences de financement de la recherche