Contexte : Pour répondre à une demande énergétique croissante et dans l'attente d'une transition énergétique et d'une neutralité carbone à l'horizon 2050, la mer du Nord accueillera de nouveaux parcs éoliens offshores équipés d'éoliennes de dernière génération. Ces nouvelles structures nécessiteront un contrôle prédictif et une gestion dynamique en continu, sachant qu'elles seront plus sensibles à des phénomènes atmosphériques induisant des forçages mécaniques considérables. Le projet SALOME propose une nouvelle stratégie pour la gestion dynamique et la maintenance prédictive des éoliennes offshores. Il visera à développer un outil d'aide à la décision innovant pour assurer à la fois l'équilibrage du réseau électrique et la rentabilité économique, tout en améliorant la durée de vie des éoliennes offshore. Cet outil comprendra des modèles atmosphériques et mécaniques appuyés par des données de mesure représentatives de l'environnement de l'éolienne et des charges structurelles auxquelles sont soumises les structures. Activités principales : Dans le cadre du projet SALOMÉ, le(a) candidat(e) sélectionné(e) participera aux expériences de terrain, au suivi des mesures in situ, de télédétection, au contrôle de la qualité des mesures, au traitement des données et à la modélisation atmosphérique. Il (elle) prendra part à l'analyse globale des phénomènes atmosphériques en région côtière, mais aussi à l'analyse fine des effets des phénomènes atmosphériques sur la structure des éoliennes. Il (elle) contribuera aussi à l'interprétation des données expérimentales et à leur intégration dans les modèles numériques. Dans ce cadre, il (elle) coopérera avec l'équipe de modélisation, afin d'identifier et sélectionner les phénomènes atmosphériques régionaux pertinents, pour mieux comprendre les effets induits sur la structure de l'éolienne. Afin de transmettre des informations pertinentes aux outils de contrôle prédictif, il (elle) fera usage de son expertise algorithmique en intelligence artificielle pour développer un modèle et y intégrer des techniques avancées d'apprentissage automatisé (Machine learning, notamment Deep Learning Neural Network, DLNN). Ce modèle sera utilisé pour prévoir les paramètres de vent et de turbulence, a échelle fine, dans le but d'optimiser la production énergétique et d'anticiper l'usure prématurée des éoliennes. Le(a) post doctorant(e) travaillera en collaboration étroite avec l'ensemble des équipes du LPCA et du LOG ainsi qu'avec celles des autres partenaires, pour atteindre les objectifs du projet SALOMÉ. Enfin, il (elle) participera à la rédaction des rapports semestriels et à la valorisation des résultats sous forme de communications orales et écrites. Connaissance, savoir : Physique de l'atmosphère, mécanique des fluides, télédétection lidar Savoir-faire : Traiter et analyser des données de vent, analyser les spectres d'énergie et interpréter les résultats, modélisation, Machine Learning Savoir être : Capacité à travailler avec des équipes pluridisciplinaires Diplôme exigé : Doctorat (ou équivalent) dans le domaine de la dynamique des fluides géophysiques (atmosphère ou océan), turbulence, traitement du signal.