Physicien appliqué pour la reconstruction Particle-Flow (EP-CMG-DS-2026-8-GRAP)

Description du poste

Dans ce rôle, vous contribuerez au développement de la reconstruction Particle-Flow basée sur l'apprentissage automatique pour l'expérience CMS, en intégrant des algorithmes avancés dans le High Level Trigger dans le cadre du projet Next Generation Trigger, où les contraintes de temps et la performance en temps réel sont critiques. Vous étendrez ces approches aux futures expériences de collisionneurs telles que FCC-ee, en optimisant la performance de reconstruction, en évaluant des stratégies spécifiques aux détecteurs, et en appliquant des techniques ML de pointe pour améliorer la précision en physique.

Vos responsabilités

• Développer des composants PF basés sur ML utilisant les entrées TICL dans CMS et valider la performance en utilisant les métriques standard PF et TICL.
• Assurer la robustesse, l'interprétabilité et la capacité de débogage dans des environnements CMS réalistes.
• Explorer l'applicabilité de ces approches pour les futurs détecteurs de collisionneurs, en s'appuyant sur le cadre FCC et l'écosystème Key4hep.
• Diriger les études de reconstruction basées sur ML pour CLD, et étendre l'approche à d'autres concepts de détecteurs tels que ALLEGRO, IDEA et GRAiNITA.
• Concevoir des représentations de données adaptées pour des entrées hétérogènes de détecteurs.
• Gérer des graphes à grande échelle et l'entraînement distribué.
• Évaluer la performance sur des observables physiques et des métriques de reconstruction.

Votre profil

• Maîtrise du développement et de l'entraînement de modèles ML ciblant la reconstruction HEP, idéalement d'objets complexes comme les candidats Particle Flow.
• Compréhension approfondie du code de reconstruction en physique des hautes énergies (HEP), démontrant la capacité à comprendre, gérer et rédiger du code de reconstruction adapté aux expériences HEP.
• Solide connaissance des systèmes de détecteurs et des interactions particule-détecteur, nécessaires pour les algorithmes Particle Flow.
• Une base solide en programmation est essentielle, avec un focus sur Python pour le développement et l'entraînement des modèles ML et C++ pour le développement d'algorithmes efficaces et optimisés.

Compétences

• Compétence démontrée en physique des détecteurs, principes de reconstruction d'événements et analyse physique dans le contexte des expériences de physique des hautes énergies est essentielle.
• Expérience solide dans la création de modèles ML avancés, l'entraînement à grande échelle et distribué, et le déploiement est requise, car le rôle implique le développement et l'intégration de techniques pilotées par l'IA dans les algorithmes de reconstruction.
• Compétences solides en programmation Python nécessaires pour le scripting, les outils et les tâches d'intégration.
• Compétences solides en programmation C++ requises, avec un focus sur le développement d'algorithmes efficaces et, éventuellement, l'intégration de différents ML dans le cadre HEP pour une inférence rapide ; la familiarité avec CMSSW et FCCSW est un plus.
• Anglais parlé et écrit, avec un engagement à apprendre le français.

Critères d'éligibilité :

• Vous êtes ressortissant d'un État membre ou État membre associé du CERN . Un nombre limité de postes est également disponible pour les candidats provenant d'États non membres.
• Vous avez une formation professionnelle en informatique, physique ou domaine connexe (ou un domaine apparenté) et vous avez soit :
  • un master avec 2 à 6 ans d'expérience professionnelle post-diplôme ;
  • ou un doctorat avec pas plus de 3 ans d'expérience professionnelle post-diplôme.
• Vous n'avez jamais eu de contrat de boursier ou de diplômé au CERN auparavant.

Informations supplémentaires

Date de clôture des candidatures : 29.01.2026 à 23:59 CET.

Durée du contrat : 24 mois, avec une possible extension jusqu'à 36 mois maximum.

Heures de travail : 40 heures par semaine

Flexibilité du poste : Hybride

Date de début prévue : 01-mars-2026

Référence du poste : EP-CMG-DS-2026-8-GRAP

Domaine de travail : Physique expérimentale

Emploi de référence : 200140 - Physicien appliqué

Avantages globaux

• Une allocation mensuelle entre 6287 et 6911 francs suisses par mois (exonérée d'impôts) selon votre diplôme.
• 30 jours de congés payés par an plus 2 semaines de fermeture annuelle.
• Couverture par le régime complet d'assurance maladie du CERN (pour vous, votre conjoint et vos enfants), et adhésion au Fonds de pension du CERN.
• Allocations familiales, pour enfants et nourrissons selon votre situation individuelle.
• Un package de relocalisation (aide à l'installation et frais de déplacement) selon votre situation individuelle.
• Possibilité de prolonger votre contrat jusqu'à 36 mois.
• Formation sur le terrain et formelle incluant des cours de langue.

Présentation du CERN - Découvrez un monde où l'impossible devient possible !

Au CERN, l'Organisation européenne pour la recherche nucléaire, nous repoussons les frontières de la science et de la technologie. Notre travail révolutionnaire réunit non seulement des physiciens mais aussi une diversité de professionnels issus des domaines de l'ingénierie, technique, scientifique et administratif. Ensemble, nous favorisons un environnement où l'innovation et la collaboration prospèrent.

Chaque jour, nous faisons face à de nouveaux défis passionnants et à des opportunités de contribuer à des recherches de pointe qui façonnent notre compréhension de l'univers. Nous relevons ces défis grâce aux perspectives diverses au sein de nos équipes, garantissant que chaque contribution est valorisée et renforçant notre sentiment partagé d'inclusion et de but. La diversité est une valeur fondamentale du CERN depuis sa création, et elle reste au cœur de notre mission et de notre succès continu.

Si vous êtes prêt à faire partie d'une communauté dynamique et inclusive qui repousse les limites du savoir, le CERN est l'endroit où votre curiosité et vos compétences peuvent s'épanouir. Participez à notre mission pour découvrir ce qui se cache au cœur de l'univers ! PARTICIPEZ !

Plus d'informations sur nous, ici : careers.cern