ASNR - Méthodes rapides pour la modélisation de la dispersion atmosphérique (PsD ENV26-01) H/F

Les calculs de l'impact sanitaire d'un panache radioactif dans l'atmosphère sont réalisés à partir de simulations de dispersion atmosphérique. Les modèles de dispersion atmosphérique à longue distance (de l'ordre de quelques centaines de kilomètres ou plus) sont utiles pour calculer les conséquences d'accidents nucléaires majeurs, ou pour localiser la source en cas de détection anormale de radioactivité dans l'atmosphère à l'état de traces (modélisation inverse) [1].Dans ces deux cas, les simulations sont entachées d'incertitudes, liées notamment aux prévisions météorologiques utilisées par les modèles. Une solution consiste à coupler les modèles de dispersion avec des « prévisions d'ensemble » météorologiques, basées sur une approche probabiliste : il n'y a pas une seule prévision du temps, mais un ensemble d'évolutions possibles de l'atmosphère ayant chacune une certaine probabilité. Cette approche d'ensemble est plus précise mais plus coûteuse en temps de calcul [2].Les méthodes basées sur l'intelligence artificielle (IA) permettent d'apprendre sur une base de données de simulations physiques pour construire un « méta-modèle », c'est-à-dire un modèle de prévision à base d'IA permettant de reproduire les prévisions du modèle physique avec une bonne fiabilité et un temps de calcul bien plus faible. Un tel méta-modèle pourrait rendre des estimations probabilistes compatibles avec les contraintes de la gestion de crise, et rendre la localisation de sources de radioactivité beaucoup plus rapide [3].Le post-doctorat s'inscrit dans les objectifs du projet européen CITHARA et notamment du Work Package 3, dédié à la modélisation du transport de radionucléides dans l'environnement à longue distance. À ce titre, le/la post-doctorant-e contribuera à la rédaction des livrables, aux séminaires et échanges avec les partenaires, et à la réalisation d'études sur les sujets suivants :Réalisation de calculs de conséquences radiologiques pour des scénarios accidentels en Europe incluant des approches de modélisation directe et de modélisation inverse pour la localisation de source ;Intégration de prévisions météorologiques d'ensemble pour prendre en compte les incertitudes dans les simulations de dispersion atmosphérique sur les cas définis avec les partenaires ;Développement, entraînement et validation d'un méta-modèle basé sur des approches d'IA, à partir des simulations réalisées ;Évaluation des performances des modèles à base d'IA combinés aux méthodes de modélisation inverse et de propagation d'incertitudes.Bibliographie :[1] Saunier, O., et al., 2019. https://doi.org/10.1073/pnas.1907823116[2] Le, N.B.T., et. al., 2021. https://doi.org/10.1016/j.aeaoa.2021.100112[3] Périllat, et. Al., 2025. https://doi.org/10.5194/gmd-18-5513-2025