myScience
Zurich
Hier
Stage ou mémoire de Master
- Date de publication :13 novembre 2025
- Taux d'activité :100%
- Lieu de travail :Zurich
À propos de cette offre
Stage ou mémoire de Master
Lieu de travail Zurich - Région de Zurich - SuisseCatégoriePostePublié12 novembre 2025Stage ou mémoire de Master
Motivation
Les avancées récentes dans les solveurs basés sur l’IA ont démontré des accélérations d’ordre de grandeur dans la résolution de problèmes d’optimisation complexes comparés aux méthodes classiques. Pour rendre ces modèles pratiquement pertinents pour les applications d’ingénierie, la prochaine étape consiste à développer des architectures capables de respecter les lois physiques, de gérer des contraintes continues et entières, et d’optimiser des fonctions objectifs non linéaires. Ces capacités sont essentielles pour réduire l’écart d’optimalité tout en garantissant des solutions réalisables. Ce travail démontrera l’applicabilité des solveurs IA aux problèmes de réseau électrique, y compris le flux de puissance optimal (OPF), la planification d’expansion et l’engagement des unités.
Ce que vous ferez
Qualifications requises
Qualifications supplémentaires
Lieu, durée et format
Diversité
IBM s’engage pour la diversité sur le lieu de travail. Avec nous, vous trouverez un environnement ouvert et multiculturel. D’excellentes modalités de travail flexibles permettent à tous les genres de trouver l’équilibre souhaité entre leur développement professionnel et leur vie personnelle.
Comment postuler
Veuillez soumettre votre candidature avec une lettre de motivation et un curriculum vitae via le lien ci-dessous.
Si vous avez des questions concernant ce poste, veuillez contacter Alban Puech, Alban.Puech2@ibm.com .
Résolveurs IA pour l’optimisation non convexe contrainte
Réf. 2025_033Motivation
Les avancées récentes dans les solveurs basés sur l’IA ont démontré des accélérations d’ordre de grandeur dans la résolution de problèmes d’optimisation complexes comparés aux méthodes classiques. Pour rendre ces modèles pratiquement pertinents pour les applications d’ingénierie, la prochaine étape consiste à développer des architectures capables de respecter les lois physiques, de gérer des contraintes continues et entières, et d’optimiser des fonctions objectifs non linéaires. Ces capacités sont essentielles pour réduire l’écart d’optimalité tout en garantissant des solutions réalisables. Ce travail démontrera l’applicabilité des solveurs IA aux problèmes de réseau électrique, y compris le flux de puissance optimal (OPF), la planification d’expansion et l’engagement des unités.
Ce que vous ferez
- Explorer des solveurs pilotés par IA pour l’optimisation non convexe contrainte, y compris des méthodes basées sur l’apprentissage primal-dual auto-supervisé.
- Implémenter des contraintes souples et strictes dans des architectures neuronales et évaluer les modèles résultants en termes d’écart d’optimalité et de faisabilité.
- Démontrer et comparer le solveur IA sur les problèmes de flux de puissance optimal et d’engagement des unités face aux solveurs d’optimisation classiques.
- Contribuer avec du code de haute qualité et reproductible à nos projets open-source hébergés sous la Linux Foundation for Energy.
Qualifications requises
- Pour mémoire de Master : inscription dans un programme de Master en informatique, génie électrique, physique, mathématiques ou domaine connexe.
- Pour stage : MSc ou PhD (préféré) en informatique, génie électrique, physique, mathématiques ou domaine connexe.
- Expérience pratique avec l’entraînement de modèles IA/ML, y compris la compréhension des concepts d’optimisation, des métriques et de la régularisation.
- Maîtrise de Python et PyTorch, avec de solides compétences en génie logiciel (Linux, Git/GitHub, tests, reproductibilité).
- Esprit fort de résolution de problèmes et capacité à explorer et synthétiser des idées issues de la littérature, concevoir des expériences de manière autonome et innover de nouvelles architectures ML.
Qualifications supplémentaires
- Compréhension fondamentale des algorithmes d’optimisation classiques et basés sur les données.
- Connaissances dans le domaine du génie électrique ou de la modélisation des systèmes électriques.
Lieu, durée et format
- Lieu : IBM Research Europe - Zurich, Suisse
- Durée : généralement 6 mois (mémoire de Master) ou 3-6 mois (stage)
- Encadrement : supervisé conjointement par des chercheurs des équipes de recherche IA, avec accès aux clusters de calcul haute performance d’IBM.
Diversité
IBM s’engage pour la diversité sur le lieu de travail. Avec nous, vous trouverez un environnement ouvert et multiculturel. D’excellentes modalités de travail flexibles permettent à tous les genres de trouver l’équilibre souhaité entre leur développement professionnel et leur vie personnelle.
Comment postuler
Veuillez soumettre votre candidature avec une lettre de motivation et un curriculum vitae via le lien ci-dessous.
Si vous avez des questions concernant ce poste, veuillez contacter Alban Puech, Alban.Puech2@ibm.com .
Liens de pied de page
Dans votre candidature, veuillez mentionner myScience.ch et référencer JobID68719.
