STAGE - Ingénieur.e Recherche – Deep Reinforcement Learning pour l’optimisation de solveurs (F/H)

Dans le cadre d’un consortium, l’organisation « Virtual Twin for Human » de Dassault Systèmes développe des prototypes logiciels destinés à accompagner l’évolution des pratiques médicales fondées sur le jumeau virtuel.

Vous intégrerez une équipe multidisciplinaire travaillant, en collaboration avec des partenaires médicaux, scientifiques et industriels, sur la conception et la restitution d’informations utiles aux patients et aux professionnels de santé.

Au sein de l’équipe « Cardiology Sciences », vous participerez à des projets consacrés à la modélisation et à la simulation du cœur. Le jumeau virtuel cardiaque vise à construire, à partir de données médicales et notamment d’imagerie, une représentation personnalisée et évolutive du cœur d’un patient.

Cette représentation doit permettre de décrire son état, de simuler différents scénarios d’évolution de la maladie et d’évaluer plusieurs options de traitement. Elle doit également pouvoir évoluer avec les nouvelles données disponibles au cours du suivi médical.

La construction d’un tel jumeau repose sur plusieurs composantes : reconstruction anatomique, simulation du comportement cardiaque et restitution des résultats sous une forme pertinente pour les praticiens. Ces traitements doivent être intégrés dans un environnement protégeant les données médicales et répondre à des contraintes de précision, de robustesse et de temps de calcul.

Dans ce contexte, l’amélioration des méthodes de simulation numérique constitue un axe de recherche majeur pour rendre les jumeaux virtuels cardiaques plus détaillés, plus rapides et plus facilement exploitables.

La synergie entre l’intelligence artificielle et la simulation dans le domaine biomédical est aujourd'hui un secteur extrêmement porteur. Sous l'impulsion d'approches émergentes et novatrices telles que la « Physical AI » (IA physique) et la robotique médicale, cette convergence redéfinit les perspectives de la médecine personnalisée. 

Vos missions

Ce stage constitue ainsi un tremplin idéal pour vous forger une expertise de pointe et vous ouvrir les portes d'un domaine d’avenir hautement stratégique et en pleine effervescence.

L'optimisation des temps de calcul constitue un défi majeur dans de nombreux domaines complexes.

L'objectif de ce stage est d'étudier et de développer un agent basé sur l'apprentissage par renforcement profond (Deep Reinforcement Learning - DRL) capable de s'interfacer avec des solveurs pour aider à en piloter et en optimiser l'exécution pour le rendre aussi rapide que possible.

En tant que stagiaire, vos missions seront de :

• Réaliser un état de l'art approfondi sur l'application de l'apprentissage par renforcement (DRL) capable de piloter et d'interagir avec des solveurs numériques.
• Concevoir l'environnement d'apprentissage permettant à l'agent RL d'interagir efficacement avec le solveur.
• Implémenter et optimiser les algorithmes de DRL pour apprendre une politique d'exécution optimale, visant à maximiser l'efficacité des calculs.
• Évaluer rigoureusement les performances du système de simulation piloté par l'agent.
• Synthétiser et valoriser vos résultats au travers d'un rapport d'étude et de présentations techniques