Développement d'un serveur d'inférence pour couplage avec des applications en C++ ou en Python

IFP Energies nouvelles (IFPEN) est un acteur majeur de la recherche et de la formation dans les domaines de l’énergie, du transport et de l’environnement. Depuis les concepts scientifiques en recherche fondamentale jusqu’aux solutions technologiques en recherche appliquée, l’innovation est au cœur de son action, articulée autour de quatre orientations stratégiques : climat, environnement et économie circulaire ; énergies renouvelables ; mobilité durable ; hydrocarbures responsables.

Dans le cadre de la mission d’intérêt général confiée par les pouvoirs publics, IFPEN concentre ses efforts sur l’apport de solutions aux défis sociétaux et industriels de l’énergie et du climat, au service de la transition écologique. Partie intégrante d’IFPEN, IFP School, son école d’ingénieurs, prépare les générations futures à relever ces défis.

Développement d'un serveur d'inférence pour couplage avec des applications en C++ ou en Python

IFPEN, organisme de recherche sur les énergies et l'environnement, a une activité de développement de logiciels multi-physiques pour une meilleure compréhension des phénomènes physiques entrant en jeu dans les technologies de l’énergie et de l’environnement.

Dans ce cadre, les chercheurs de IFPEN sont amenés à mettre au point de nombreux workflows couplant des logiciels de simulation à des modèles d’inférence issus de l’apprentissage par machine learning sur des grands jeux de données. Une infrastructure visant à faciliter le couplage de tels logiciels est en cours de mise au point.

Objectifs

Le travail proposé consistera à développer et valider un serveur d’inférence facilitant le couplage d’applications clientes écrites en C++ ou en python à des modèles ayant été entrainées sur des grands jeux de données avec des infrastructures de type Pytorch ou TensorFlow.

Il s’agira de développer l’infrastructure logicielle pour établir des communications avec ces applications clientes, pour gérer des modèles d’inférence sérialisés au format ONNX, pour appliquer ces modèles à la demande sur des données communiquées par les applications puis renvoyer les résultats de l’inférence à ces applications.

Profil recherché

Élève Master 2 ou Ingénieur en 3ème année d'école, option informatique, analyse de données ou mathématiques appliquées, intéressé par le développement informatique dans le domaine de l’analyse de données, du machine learning et de l’intelligence artificielle.