Pour répondre à ses objectifs ambitieux de transition énergétique vers l'électricité et les énergies renouvelables, l'entité OneTech de TotalEnergies regroupe l'ensemble des directions techniques fournissant le support technique aux opérations et à la R&D (Exploration & Production, Raffinage & Chimie, Marketing & Services et Gaz, Energies Renouvelables & Electricité). Avec un effectif de 3 400 personnes, OneTech est divisé en trois pôles : un pôle industriel soutenant le développement de l'entreprise dans le gaz, les énergies renouvelables, l'électricité et la réduction des émissions de carbone ; un pôle recherche et développement regroupant toutes les activités de recherche de TotalEnergies pour anticiper la transformation de l'entreprise, en donnant la priorité au mix bas carbone ; et un pôle support (RH et finance). 
 
En intégrant l'ensemble des expertises techniques et R&D de l'entreprise au sein d'une même entité, OneTech devient l'un des piliers de la transformation de TotalEnergies en entreprise multi-énergies.

Le projet confié consiste à étudier comment les grands modèles de langage (LLMs) peuvent être systématiquement adaptés et déployés afin d’accélérer le développement de solveurs numériques haute performance pour les équations aux dérivées partielles (EDP), avec un accent particulier sur la propagation des ondes élastiques et les applications d’imagerie sismique en profondeur. 

Les LLMs ont démontré des capacités remarquables en génération de code, mais leur application au calcul scientifique HPC reste limitée par des déséquilibres dans les données d’entraînement et l’absence de vérification spécifique au domaine.
Dans ce projet, le candidat devra développer des méthodes d’adaptation au domaine, des pipelines de vérification et des benchmarks empiriques pour l’informatique scientifique assistée par LLM, en tirant parti de bibliothèques logicielles matures pour la propagation des ondes, d’applications proxy et de l’expertise en apprentissage automatique. Un axe clé porte sur l’évolution du code pour les technologies matérielles HPC futures : garantir la portabilité des performances sur les architectures actuelles et émergentes. Une étude de cas sur les solveurs des équations d’ondes acoustiques et élastiques pour la migration temporelle inverse (RTM) et l’inversion de forme d’onde complète (FWI) permettra de valider la méthodologie dans un contexte industriel réaliste. 

Les compétences requises ainsi que le caractère exploratoire de cette activité justifient un recours à un post-doc avec des solides bases en mathématiques appliquées.

Vous êtes titulaire d'un doctorat en mathématiques appliquées. 

Vous avez de très bonnes connaissances en High Performance Computing (HPC) et en Machine Learning.

Vous parlez français et anglais couramment.