STAGE :Reinforcement learning et Graph Neural Networks pour …, Magny-les-Hameaux

Contexte

Au sein du centre de recherche SAFRAN, l'équipe architecture électrique œuvre à optimiser la gestion et le pilotage des réseaux électriques embarqués des avions, domaines où robustesse, sécurité et efficacité sont impératifs. Les architectures électriques complexes de nouvelle génération se modélisent naturellement sous forme de graphes, pour représenter les connectivités et la dynamique des composants.Problématique

La complexité croissante des environnements modélisés (nombre de nœuds, d'arêtes, dynamiques multiples) rend les techniques classiques de reinforcement learning limitées en termes de temps de calcul et de capacité à capturer les dépendances topologiques. Les Graph Neural Networks (GNN) offrent une nouvelle approche prometteuse permettant de traiter efficacement des environnements structurés par des graphes.Objectifs du stage

Explorer et développer des algorithmes de reinforcement learning hybrides intégrant des GNN, capables de prendre en compte la structure profonde des réseaux électriques de l'avion. Adapter/préparer des environnements de simulation pour tester et valider ces algorithmes sur des cas représentatifs du pilotage électrique aéronautique (répartition de charge, résilience, reconfiguration dynamique…).Réaliser un benchmark des performances (précision, rapidité, robustesse) versus les approches classiques (DQN, PPO…) et proposer des axes d'amélioration. Contribuer à des publications scientifiques ou des brevets le cas échéant. Élève‑ingénieur(e)en recherche d'un stage de fin d'études ou de césure en dernière année ou en Master spécialisé en intelligence artificielle, data science ou informatique (Polytechnique, CentraleSupélec, Mines, ENS, etc.), avec:Qualités attendues

Forte compétence en machine learning. Des notions sur le RL et les GNN. Bon niveau en programmation (Python, PyTorch, TensorFlow, etc.). Capacités d'analyse, curiosité et goût pour l'innovation.

#J-18808-Ljbffr