Thèse en apprentissage automatique sur les graphes (H/F)

Published
WorkplaceRennes, Bretagne, France
Category
Position
Centre National de la Recherche Scientifique

  • CNRS
  • Les annuaires de l'organisme
  • Mots-clefs CNRS
  • Travailler au CNRS
  • CNRS en région
  • Français
  • English


Thèse en apprentissage automatique sur les graphes (H/F)

Cette offre est disponible dans les langues suivantes :
- Français - - Anglais
Date Limite Candidature : mardi 12 décembre 2023

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d-augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Informations générales

Intitulé de l’offre : Thèse en apprentissage automatique sur les graphes (H/F)
Référence : UMR6074-NICKER-001
Nombre de Postes : 1
Lieu de travail : RENNES
Date de publication : mardi 21 novembre 2023
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 janvier 2024
Quotité de travail : Temps complet
Rémunération : La rémunération est d’un minimum de 2.135,00 € mensuel
Section(s) CN : Sciences de l’information : traitements, systèmes intégrés matériel-logiciel, robots, commandes, images, contenus, interactions, signaux et langues

Description du sujet de thèse

L’épaississement des graphes [1], ou réduction des graphes, est un problème complexe et difficile qui consiste, à partir d’un grand graphe, à produire un graphe plus petit qui "résume" le graphe initial.
L’objectif peut être d’économiser du temps de calcul et de la mémoire, mais aussi d’extraire des propriétés intéressantes du graphe original grâce à sa réduction. Un outil omniprésent dans de nombreux domaines de l’informatique scientifique, il a été postulé que l’épaississement des graphes pourrait avoir de nombreux liens intéressants avec le domaine récent de l’apprentissage automatique des graphes, qui a connu une croissance exponentielle en termes de portée, d’applications et de littérature au cours des dernières années.
En particulier, tout comme les réseaux neuronaux convolutifs multi-échelles impliquent des étapes de "mise en commun", les chercheurs ont essayé d’intégrer l’épaississement des graphes dans les réseaux neuronaux graphiques (GNN), mais les résultats de ces tentatives ne sont pas satisfaisants, principalement en raison de la complexité et de l’instabilité des approches actuelles. D’où le besoin d’approches meilleures et plus stables.
Dans cette thèse, nous étudierons des approches plus axées sur les données pour effectuer un coarsening de graphe par la définition de fonctions de coût bien maîtrisées, à la fois supervisées et non supervisées, qui pourraient être plus stables que les approches impliquant le hasard. Nous examinerons leur intégration dans les GNN tels que les Graph UNets [2].
Il existe de nombreuses méthodes pour effectuer un grossissement des graphes, mais la plupart d’entre elles cherchent à préserver certaines propriétés du graphe original, telles que le spectre de son laplacien [4, 3]. En fonction du candidat, nous examinerons de telles garanties, et en particulier leurs limites. Nous étudierons, à la fois empiriquement et théoriquement, la différence entre les approches basées sur l’aléatoire et celles basées sur l’apprentissage pour le coarsening de graphes.

Contexte de travail

Le candidat sera rattaché à l’équipe SIROCCO de l’IRISA.

A propos du laboratoire ============= ?url=www.irisa.fr&module=jobs&id=41906" target="_blank" rel="nofollow">?url=www.irisa.fr&module=jobs&id=41906" target="_blank" rel="nofollow">www.irisa.fr L’IRISA est l’un des plus grands laboratoires de recherche français (plus de 850 personnes) dans le domaine de l’informatique et des technologies de l’information. Structuré en sept départements scientifiques, l’IRISA est un laboratoire d’excellence dont les priorités scientifiques sont la bio-informatique, la sécurité des systèmes, les nouvelles architectures logicielles, la réalité virtuelle, l’analyse des Big Data et l’intelligence artificielle. Tourné vers l’avenir des technologies de l’information et ouvert sur l’international, l’IRISA est au cœur de la transition numérique de la société et de l’innovation dans les domaines de la cybersécurité, de la santé, de l’environnement et de l’écologie, des transports, de la robotique, de l’énergie, de la culture et de l’intelligence artificielle.

Présentation du CNRS en tant qu’employeur : ?url=https%3A%2F%2Fwww.cnrs.fr%2Ffr%2Fle-cnrs&module=jobs&id=41906" target="_blank" rel="nofollow">?url=https%3A%2F%2Fwww.cnrs.fr%2Ffr%2Fle-cnrs&module=jobs&id=41906" target="_blank" rel="nofollow">https://www.cnrs.fr/­fr/le-cnrs
L’IRISA comme laboratoire d’affectation : ?url=https%3A%2F%2Fwww.irisa.fr%2Fumr-6074&module=jobs&id=41906" target="_blank" rel="nofollow">?url=https%3A%2F%2Fwww.irisa.fr%2Fumr-6074&module=jobs&id=41906" target="_blank" rel="nofollow">https://www.irisa.fr/umr-6074

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l’autorité compétente du MESR.

Contraintes et risques

Le poste est situé dans une zone couverte par la protection du potentiel scientifique et technique (PPST) et nécessite, conformément à la réglementation, que votre arrivée soit autorisée par l’autorité compétente du MESR.
In your application, please refer to myScience.fr and reference JobID 41906.