Titre complet du poste : Ingénieur de recherche en inférence basée sur des simulations pour le climat (f/h) Présentation de la structure : Le Laboratoire Jean Kuntzmann est unité mixte de recherche, commune à l'Université Grenoble Alpes, au CNRS, à Grenoble INP et à Inria (UMR 5224). Il est constitué de trois départements de recherche en mathématiques appliquées et informatique. https://www-ljk.imag.fr/#index Lors de votre contrat, vous serez affecté au sein de l'équipe de recherche Inria DATAMOVE, localisée dans le Laboratoire d'Informatique de Grenoble (LIG). Le LIG rassemble près de 450 chercheurs, enseignants-chercheurs, doctorants et personnels en support à la recherche. Ils relèvent des différents organismes et sont répartis sur trois sites du LIG : le campus, Minatec et Montbonnot. https://www.liglab.fr/fr Vous serez supervisé par Bruno Raffin (DR Inria à DATAMOVE) et Pedro Rodrigues (CR Inria à Statify). Missions principales : Vous devrez lettre en œuvre une preuve de concept de l'application de la SBI à des simulations climatiques de grande échelle. Vous serez charger d'explorer l'application de la SBI aux codes de simulation climatique de grande échelle. Activités principales : - Coder tunax, que nous développons et qui inclut un module de physique océanique verticale écrit en JAX, ainsi que des méthodes de minimisation pour calibrer les paramètres. - Coder la suite logicielle sbi, à laquelle nous contribuons et qui, comme mentionné plus haut, regroupe les méthodes SBI les plus avancées, mais sous la forme d'un package Python qui n'a pas été conçu pour un déploiement à grande échelle. - Coder le logiciel melissa, conçu pour entraîner des réseaux de neurones sur supercalculateurs directement à partir des données produites par des simulations numériques. - Organiser le hackathon SBI prévu à Grenoble début 2026 : création du site web de l'événement, structuration des projets proposés et coordination des objectifs avec les principaux contributeurs du package sbi. Une formation en simulation numérique ou en mathématiques appliquées avec une spécialisation en apprentissage statistique, ainsi que de connaissances en calcul haute performance est souhaitée. Une expérience du calcul sur cluster serait un atout.