Chercheur Postdoctoral en Vision par Ordinateur Appliquée à la Mesure Acoustique Distribuée Das H/F - 75

Missions

La Détection Acoustique Distribuée (DAS) est une technologie en rapide évolution qui transforme des câbles à fibre optique standard en réseaux denses de capteurs sismiques. En détectant de minuscules changements dans la lumière diffusée, le DAS capture les vibrations du sol avec une résolution spatiale et temporelle élevée sur plusieurs dizaines de kilomètres et des milliers de points de mesure. Cette technologie est déployée dans les Observatoires Européens de Failles (NFO), tels que la faille d'Irpinia (Italie) et le rift de Corinthe (Grèce), pour établir des catalogues sismiques détaillés, imager les structures de failles, et améliorer la compréhension de la nucléation et de l'interaction des séismes.
Un défi majeur du DAS est le volume de données considérable qu'il génère, avec des déploiements typiques produisant environ un téraoctet par jour. Pour répondre à ce défi, nous développerons des méthodes d'apprentissage automatique qui traitent les données DAS comme des images et utilisent des techniques de vision par ordinateur pour détecter les événements sismiques. Cela permettra une identification rapide des fenêtres temporelles pertinentes, facilitant une rétention sélective des données et réduisant considérablement les besoins en stockage.
Ce travail fait partie du projet TRANSFORM² financé par l'UE, qui vise à renforcer les NFO européens grâce à l'intégration de technologies avancées de détection, de surveillance par fibre optique et d'apprentissage automatique pour améliorer la surveillance des failles, la détection des séismes et les systèmes d'alerte précoce.

Activités

Le chercheur désigné jouera un rôle central dans le développement d'algorithmes de vision par ordinateur pour détecter les événements sismiques dans les sections de records DAS, traitées comme des images. Ce travail s'appuiera sur les outils existants pour le traitement des données DAS, qui seront utilisés pour générer ses images à partir des enregistrements. L'objectif principal sera de construire un ensemble de données d'entraînement de haute qualité et de concevoir des modèles d'apprentissage automatique adaptés aux caractéristiques uniques des images DAS.