[🟢 OUVERT] COFUND Demythif.AI - Appel à candidatures internationales pour le programme de doctorat
[🟢 OUVERT] COFUND Demythif.AI - Appel à candidatures internationales pour le programme de doctorat
- Calendrier pour la cohorte 2024-2025
- Plus d'informations
- Comment postuler via ADUM ?
Université Paris-Saclay COFUND DeMythif.AI appel à candidatures
internationales pour le programme de doctorat
L'Université Paris-Saclay a lancé un appel à candidatures pour 21 bourses sur 48 sujets de thèse possibles sur le thème général « IA et incertitude ». Cet appel se terminera le 17 janvier 2025, à 23h59 CET.
Les 21 candidats retenus bénéficieront d'un financement complet pour un doctorat de 3 ans, à partir de l'automne 2025. Pour chaque candidat sélectionné, l'action européenne Marie Sklodowska Curie DeMythif.AI finance une bourse doctorale d'excellence, avec un salaire aligné sur la bourse du Ministère français de la Recherche, le financement de la mobilité d'entrée et de la mobilité pendant le doctorat. Les étudiants de DeMythif.AI bénéficieront d'événements dédiés, de formations doctorales spécifiques et auront l'opportunité de passer jusqu'à trois mois dans une entreprise ou un laboratoire extérieur grâce au soutien d'activités complémentaires.
Le thème de DeMythif.AI « IA et incertitude » est large : contrôler les incertitudes, gérer l'explicabilité et encourager la frugalité, à travers un large spectre d'applications dans les sciences fondamentales ou appliquées et l'ingénierie. Ces sujets de thèse sont accueillis dans des laboratoires de haut niveau de l'Université Paris-Saclay et supervisés par des chercheurs de premier plan afin de former la prochaine génération de scientifiques de l'IA à répondre à des questions passionnantes dans divers domaines scientifiques. Certains doctorats sont cofinancés par des entreprises.
DeMythif.AI est soutenu par le CNRS, le CEA, l'INRIA, l'INRAE et l'Onera, ainsi que par IFPEN, le LNE et l'ILLS, le GIS LARTISSTE, l'IRT SystemX, EDF, GE Healthcare, IBM, RTE, Safran, Sanofi, SLB, startups Quantmetry, Cairnbio, LightOn et Phimeca.
👉 Pour toutes les questions relatives à l'accueil international (visas, logement, etc.), veuillez consulter la page du Centre d'accueil international de l'Université Paris-Saclay.
👉 Les questions sur le programme DeMythif.AI en général et sur le processus de sélection doivent être envoyées à demythifai-contact@inria.fr.
- 25 octobre 2024 l Date limite de soumission des sujets de thèse sur ADUM (présentation du contexte scientifique, du sujet, de l'équipe d'accueil, du cofinancement éventuel)
- ❗Novembre 2024 - 17 janvier 2025 l Publication du sujet, soumission des candidatures des étudiants❗
- 17 janvier 2025 - Mai 2025 l Sélection des meilleurs binômes étudiant-sujet
- Octobre 2025 l Début de la deuxième année académique DeMythif.AI
Les sujets sont listés sur cette page : les sujets sont classés par école doctorale puis par laboratoire d'accueil. En cliquant sur le titre, on accède à une page contenant des détails sur le doctorat. Dans certains cas, un pdf supplémentaire avec des détails scientifiques peut être fourni.
Laboratoire : Formal Methods Laboratory (LMF) - Université Paris-Saclay, CentraleSupélec, CNRS
- AUTOPSY : Automating Cognitive Behavioral Therapy Modules
- FORMAPSY : Formalizing Psychological Theories
Laboratoire : Centre Inria de Saclay - Île-de-France
Laboratoire : Données Algorithmes pour une Ville Intelligente et Durable (DAVID) - UVSQ
- Generative AI, meta-learning, and object detection for identification and analysis of driving situations in urban environments: toward enhanced safety for autonomous vehicles
- Hypergraph Deep Neural Networks based on Game Theory
Laboratoire : Laboratoire Interdisciplinaire des Sciences du Numérique (LISN) - Université Paris-Saclay
Laboratoire : Laboratoire des Signaux et Systèmes (L2S) - CentraleSupélec, CNRS, Université Paris-Saclay
- Reduced-complexity reservoir computing via time-delay approaches
- Accelerated Diffusion Processes for Uncertainty Quantification in Image Reconstruction based on a Low Rank Model
- Climate Projections Using Explainable Machine Learning Approaches
Laboratoire : Traitement de l'Information et Systèmes (TIS) - ONERA
- Bio-inspired neural models for artificial intelligence and computer vision
- LOX-Methane Atomization Model from Morphological Description
Laboratoire : Laboratoire des systèmes et Applications des Technologies de l'Information et de l'Energie (SATIE) - ENS Paris-Saclay
Laboratoire : Informatique, BioInformatique, Systèmes Complexes (IBISC) - UEVE
Laboratoire : Centre de Vision Numérique (CVN) - CentraleSupélec, Inria, CNRS
Laboratoire : Institut de Chimie Physique (ICP) - Université Paris-Saclay, CNRS
Laboratoire : Nanosciences et Innovation pour les Matériaux, la Biomédecine et l’Énergie (NIMBE) - CEA, CNRS, Université Paris-Saclay
Laboratoire : Energétique Moléculaire et Macroscopique, Combustion (EM2C) - CentraleSupélec, CNRS
- Machine learning assisted design of porous media for process engineering
- Physics-informed reduced-order modeling for digital twins of sustainable combustion systems
Laboratoire : Laboratoire de Mécanique Paris-Saclay (LMPS) - ENS Paris-Saclay
- Super-resolved generative and space-time adaptive neural operator for 3D extreme-scale wave propagation problems
- Robust multiphysics topological optimization: application to electrical machines
- A data driven mechanical characterization of bone aging based on infrared spectroscopy
- Toward interpretable real-time quantification of uncertainties in the control of cardiac disease in any given specific patient with thermodynamically consistent Kolmogorov-Arnold networks using the concept of modified Constitutive Relation Error (mCRE) within the framework of isogeometric analysis
Laboratoire : Laboratoire de Mécanique et d'Energétique d'Evry (LMEE) - UEVE
Laboratoire : Industrial Engineering (LGI) - CentraleSupélec
Laboratoire : Centre Borelli - ENS Paris-Saclay
Laboratoire : Mathématiques et Informatique Appliquées du Génome à l'Environnement (MaIAGE) - INRAE
Laboratoire : Département de Physique des Particules (DPhP) - CEA Irfu
- Machine learning for visual inspection and final state reconstruction in the ATLAS experiment
- Development of an AI-based framework in Neutrino Physics: a focus on time series event reconstruction and multivariate science analyses
- Artificial Intelligence to simulate Big Data and Search for the Higgs Boson Decay to a pair of Muons with the ATLAS Experiment at the large Hadron Collider
Laboratoire : Département d'Électronique des Détecteurs et d'Informatique pour la Physique (DEDIP) - CEA
Laboratoire : Laboratoire de Physique des deux Infinis Irène Joliot-Curie (IJCLab) - CNRS, Université Paris-Saclay, Université Paris-Cité
- Machine learning algorithms for the analysis of time-of-flight mass spectra with a gold nanoparticle probe: Classification, quantification and identification of complex compounds
- Transfer Learning Approaches Leveraging Nuclear Ab Initio Reaction Models
- Challenging neutrino events reconstruction in the DUNE liquid argon time projection chamber with advanced machine learning methods
Laboratoire : Laboratoire de Physique des Solides (LPS) - CNRS, Université Paris-Saclay
Laboratoire : Institut d'Astrophysique Spatiale (IAS) - CNRS, Université Paris-Saclay
Laboratoire : Astrophysique Instrumentation Modélisation (AIM) - CEA Irfu, Université Paris-Cité
Laboratoire : Institut des Sciences du Vivant (BAOBAB) - CEA
Laboratoire : Laboratoire d’Imagerie Biomédicale Multimodale Paris-Saclay (BIOMAPS) - Université Paris-Saclay
Laboratoire : Charles Fabry (LCF) - IOGS, CNRS, Université Paris-Saclay
Laboratoire : Group of Electrical Engineering - Paris-Saclay (GeePS) - CentraleSupélec
- Development of a digital twin of electric actuator: approach based on physical informed machine learning model
- Intelligent Electrical Engineering: Developing Next-Gen Simulation Tools with PINNs and Machine Learning
- Physics-inspired artificial intelligence for diagnosing insulation failures in an automotive traction chain
-
L'appel se termine le 17 janvier 2025 à 23h59 CET ;
-
Les étudiant(e)s de toutes nationalités doivent remplir le critère MSCA de ne pas avoir passé plus de 12 mois en France depuis le 18 janvier 2022 ;
-
Les étudiant(e)s doivent être titulaires d'un master en informatique ou en sciences appliquées en rapport avec le sujet du doctorat ; la règle exacte dépend de l'école doctorale où le sujet du doctorat est listé ;
-
Les étudiant(e)s doivent avoir un niveau C1 ou équivalent en anglais. Aucun niveau en français n'est requis ;
-
Les étudiant(e)s ne doivent pas postuler à plus de 3 sujets ;
-
Une première présélection de 45 candidats sera effectuée sur la base des références académiques et des documents soumis, y compris 3 lettres de recommandation ;
-
S'ils postulent à plusieurs sujets, il leur sera demandé après la présélection de les classer par ordre de préférence ;
-
Les 45 candidats présélectionnés seront interviewés à distance pour présenter leur sujet et répondre aux questions du jury ;
-
Le comité de sélection, composé de spécialistes internationaux et renommés, sélectionnera les 15 meilleurs candidats, ainsi qu'une liste de sauvegarde, d'ici mai 2025.
Toutes les candidatures doivent être déposées par l'intermédiaire de la plateforme ADUM. Veuillez lire attentivement et suivre les instructions :
-
Notez le nom du directeur de thèse, l'école doctorale du sujet et l'école doctorale ;
-
En bas de la page obtenue en cliquant sur le titre d'un doctorat, cliquez sur « Candidat » ;
-
Ceci ouvre l'espace de candidature au doctorat :
-
Connectez-vous à votre compte
-
ou Créez un compte si ce n'est pas déjà fait
-
Établissement : sélectionner l'Université Paris-Saclay GS, puis l'École doctorale ;
-
-
Remplir le diplôme (éventuellement en cours de préparation) permettant de postuler à un doctorat ;
-
Remplir un autre diplôme ;
-
Remplir d'autres informations ;
-
En particulier, renseignez votre niveau d'anglais et de français ;
-
-
Ensuite, vous devez retrouver le sujet de thèse, le plus simple étant d'utiliser le nom du directeur de thèse. Notez qu'à ce niveau, vous êtes exposé à tous les sujets de thèse, veillez à sélectionner celui qui appartient au programme DeMythif.AI ;
-
Remplissez votre motivation : commencez par « Ceci est une candidature au programme DeMythif.AI » ;
-
Complétez toutes les informations complémentaires (stages etc...) pertinentes pour votre candidature ;
-
Ouvrez votre formulaire de candidature (contenant toutes les informations que vous avez fournies, ainsi que le sujet de thèse) et signez-le ;
-
Créez un document PDF d'une page avec la phrase « Je, [PRÉNOM, NOM], déclare ne pas avoir séjourné en France plus d'un an entre le 18 janvier 2022 et le 17 janvier 2025 » avec votre signature (ce document est spécifiquement requis pour cet appel) ;
-
Créer un PDF avec toutes les informations requises, jusqu'à 3 lettres de référence (veuillez ignorer les indications éventuelles pour que les lettres soient envoyées ailleurs) ;
-
La date limite de candidature pour le programme DeMythif.AI est le vendredi 17 janvier 2025 à 23:59 CET, même s'il est mentionné autrement dans le formulaire de doctorat spécifique.
Enfin, n'hésitez pas à consulter cette page web dans les semaines précédant la clôture de l'appel, car elle pourrait être enrichie de réponses aux questions les plus fréquemment posées.