Porté par l’Université PSL, le programme doctoral “Artificial Intelligence for the Sciences” lance un appel à candidatures ouvert jusqu’au 26 février 2021. 23 sujets de thèse sur les interfaces de l’IA ou du traitement massif de données sont disponibles.
Artificial Intelligence for the Sciences (AI4theSciences) est un programme doctoral porté par l’Université PSL avec le soutien du programme européen Horizon 2020 – Marie Skłodowska-Curie Actions-COFUND.
Résolument ouvert à l’international, ce projet unique et structurant a vocation à créer une communauté de recherche issue de multiples laboratoires et établissements de PSL, rejoints par une dizaine de partenaires privés et publics. AI4theSciences offrira 26 contrats doctoraux cofinancés pour des projets de thèses aux interfaces de l’intelligence artificielle ou du traitement des données massives.
En plus des formations propres à chaque bourse doctorale, un programme de formations et d’événements spécifiques verra le jour : en plus des activités de l’école doctorale de leur discipline, les lauréates et lauréats du programme seront formés aux techniques de l’IA et du Machine Learning, à la rédaction d’articles de vulgarisation, à l’Open Science, à l’acquisition de compétences transverses etc. lors de séminaires hebdomadaires et de conférences.
Chaque doctorant bénéficiera d’une double supervision : un directeur de thèse, chercheur de PSL spécialiste de sa discipline, et un co-encadrement réalisé par un spécialiste des techniques d’IA ou des données massives – ce dernier pouvant être issu d’un laboratoire hors de PSL ou d’un partenaire privé situé en France ou en Europe.
Les candidatures sur les projets de thèse sont ouvertes du 17 novembre 2020 au 26 février 2021. Les lauréats commenceront leur doctorat à la rentrée 2021.
Critères d’éligibilité
- Les candidats doivent disposer d’un diplôme de Master (ou être en cours d’obtention de ce diplôme) ou avoir un diplôme universitaire reconnu équivalent à un diplôme européen de Master (sanctionnant une durée de 5 ans d’études) à la date de fin de l’appel ;
- Aucun critère lié à l’âge et à la nationalité ne s’applique mais les candidats doivent respecter la « règle de mobilité » MSCA : ils ne doivent pas avoir vécu ou suivi leurs études plus de 12 mois en France, entre le 27 février 2018 et 26 février 2021.
- Les candidats doivent être disponibles pour un démarrage du programme en septembre 2021
Documents à fournir
- Une traduction anglaise de leur diplôme de Master (ou d’un diplôme équivalent sanctionnant 5 années d’études supérieures). Une copie du diplôme de Master ou une attestation temporaire seront demandées au moment de l’inscription définitive.
- Un CV international et une lettre de motivation exposant les raisons amenant le candidat à entreprendre un doctorat, à postuler à une offre du programme AI4theSciences et précisant ses projets professionnels
- Deux lettres de référence préparées par des universitaires
- Une lettre de déclaration concernant les règles de mobilité, la disponibilité et les conflits d’intérêt, dûment signée par le candidat
Sélection des candidatures
Pour la rentrée 2021, 15 bourses doctorales, sur les 23 sujets listés ci-dessous, seront cofinancées. La sélection des futurs doctorantes et doctorants du programme se déroulera de mars à juin 2021 en deux temps :
- Sélection sur dossier du 15 mars 2021 au 9 avril 2021 (round 1)
- Audition des candidates et candidats du 1er juin au 25 juin 2021 (L’ensemble des candidates et candidats sera contacté courant avril 2021)
L’excellence des candidats, principe essentiel des projets Horizon 2020-MSCA, permettra de sélectionner les 15 projets de thèse sur les 23 proposés dans l’appel. Sur les 23 projets ouverts aux candidatures, 9 projets ne seront donc pas financés mais pourront être proposés lors du second appel à candidatures AI4theSciences qui débutera en mai 2021.
Les 23 sujets de thèse disponibles pour les candidatures
- PhD project 1 : Transfer learning in biomechanics: high-dimensional transfer learning for personalized biomechanical modeling in surgery planning – application to anterior-cruciate ligament reconstruction (Mines Paris – PSL)
- PhD project 2 : AI-supported optimisation of multi-actor energy systems enhanced with privacy & confidentiality preserving data sharing (Mines Paris – PSL)
- PhD project 3 : Advanced methods for enhancing interpretability of AI tools with application to the energy sector (Mines Paris – PSL)
- PhD project 4 : Breaking the curse of high-dimensional PDE’S and applications to mathematical finance (Université Paris Dauphine – PSL)
- PhD project 5 : Dark energy studies with the Vera Rubin Observatory LSST & Euclid – Developing a combined cosmic shear analysis with Bayesian neural networks (Observatoire de Paris – PSL)
- PhD project 6 : The politics of coding (Ecole Normale Supérieure – PSL)
- PhD project 7 : Physics-Informed Machine Learning in the context of seismic imaging (Mines Paris – PSL)
- PhD project 8 : Physically Informed Machine Leaning for controlling unruptured intracranial aneurysms (Mines Paris – PSL)
- PhD project 9 : LIterary Success, Style and Artificial Intelligence (Ecole Normale Supérieure – PSL)
- PhD project 10 : Towards neuromorphic computing on quantum many-body architectures (ESPCI Paris – PSL)
- PhD project 11 : 3DMorphEmbryo: AI-assisted reconstruction of 3D human embryo morphology from 2D medical images to improve the prediction of its development potential (Collège de France)
- PhD project 12 : Data-driven Enzyme Evolution (ESPCI Paris – PSL)
- PhD project 13 : Machine learning for origin of life in the RNA world (ESPCI Paris – PSL)
- PhD project 14 : Artificial Intelligence for Seismic Hazard Monitoring with InSAR (Ecole Normale Supérieure – PSL)
- PhD project 15 : Impact of human cognitive traits on financial market formation (Ecole Normale Supérieure – PSL)
- PhD project 16 : Creating AI/ML techniques to enhance mechanistic eco-evolutionary computer simulations (Ecole Normale Supérieure – ENS)
- PhD project 17 : Language Acquisition in Brains and Algorithms: towards a systematic tracking of the evolution of semantic representations in biological and artificial neural networks (Ecole Normale Supérieure – PSL)
- PhD project 18 : Artificial Intelligence to Decode the Genomic Replication Programme of Human Cells (Ecole Normale Supérieure – PSL)
- PhD project 19 : Learning dynamics in biological and artificial neural networks (Ecole Normale Supérieure – PSL)
- PhD project 20 : Unsupervized learning of causal graphical models from time-resolved cell biology data (Institut Curie)
- PhD project 21 : Finding and classifying transient patterns to predict from EEG the depth of anesthesia (Ecole Normale Supérieure – PSL)
- PhD project 22 : A computational and artificial Intelligence approach for studying dolphin communication (Ecole Normale Supérieure – PSL)
- PhD project 23 : Machine Learning for biodiversity monitoring (EPHE – PSL)
