Inversion du flux du noyau avec machine learning

**Description du projet

"Nous voulons tester les possibilités de techniques modernes de machine learning appliquées à la reconstruction des écoulements (i) de l’expérience ZoRo à partir de mesures acoustiques, et (ii) du noyau terrestre à partir des mesures de champ magnétiques. Ce projet exploratoire implique des chercheurs de 2 équipes (geodynamo et cycle) sur le thème transverse « Imagerie & Dynamique de la Terre Interne ». Sophie Giffard Roisin apportera son expertise en machine learning, Franck Thollard participera sur le plan opérationnel, l’équipe geodynamo produira et fournira les jeux de données synthétiques et réels. Un stagiaire de M2 testera différentes approches et idées. Pour le volet (i), on veut étudier la faisabilité de retrouver l’écoulement dans l’expérience ZoRo en entrainant une machine à partir de synthétiques (spectres acoustiques produits à partir d’écoulement simulés). Pour le volet (ii), on veut s’affranchir des limitations des techniques classiques d’inversions en faisant apprendre à la machine à partir de synthétiques issues des simulations numériques, qui serviront donc d’apriori à la place des choix de régularisation ad-hoc."