STAGE - Amélioration des performances d'un système d'optique adaptative sur GPU F/H - 5-6 mois

Vous avez le goût du challenge ? Vous êtes curieux(se) et avez envie d’effectuer un stage qui vous aidera à vous développer et à mettre en pratique vos compétences académiques ? Vous souhaitez intégrer une entreprise innovante et agile, pour apporter votre pierre à l’édifice d’une croissance soutenue ?

Pour nous aider à atteindre nos objectifs de performance, notre ambition se poursuit et nous renforçons nos effectifs au sein de notre filiale Bertin Alpao, leader mondial des systèmes d’Optique Adaptative alors rejoignez-nous dans le cadre de notre offre de stage intitulée : Amélioration des performances d'un système d'optique adaptative pour les communications optiques par espace libre grâce à l'apprentissage par renforcement : implémentation sur un système temps réel.                                             

Le stage proposé porte sur les innovations technologiques pour l’observation à haute résolution angulaire depuis le sol, avec un accent particulier sur l’Optique Adaptative (OA).

Depuis près de 30 ans, l’OA permet de compenser les effets de la turbulence atmosphérique et de restaurer la limite de diffraction des grands télescopes terrestres, jouant ainsi un rôle central dans de nombreuses découvertes en astronomie. À titre d’exemple, le prix Nobel de Physique 2020 s’est appuyé en grande partie sur cette technologie.

Le fonctionnement de l’OA repose sur trois éléments clés : un analyseur de surface d’onde (ASO) pour mesurer la déformation de l’onde lumineuse ; un calculateur temps réel (RTC) pour traiter ces mesures ; et un miroir déformable capable d’ajuster sa surface à l’échelle de la milliseconde pour compenser la turbulence.

Si l’OA a d’abord été développée pour l’astronomie, ses applications s’élargissent désormais à d’autres domaines, comme les communications optiques en espace libre (Free Space Optics – FSO). Ces dernières sont en pleine expansion, notamment pour permettre des échanges de données à haut débit entre satellites et stations au sol. Dans le cas des satellites en orbite basse (LEO), cette technologie pourrait offrir une alternative aux relais géostationnaires. Cependant, ces nouvelles applications posent des défis supplémentaires, notamment à cause du mouvement rapide des satellites, créant un "vent apparent" et des conditions de turbulence exacerbées à faibles angles d’élévation (10-20°).

Une des principales limitations de l’OA dans les FSO est liée à l’erreur temporelle. Alors que la solution classique consiste à augmenter la cadence du système pour améliorer la bande passante, une approche alternative consiste à utiliser des algorithmes de prédiction pour réduire l’erreur sans augmenter la fréquence. Nos équipes (Bertin Alpao - Laboratoire d’Astrophysique de Marseille) explorent cette voie en utilisant l'apprentissage par renforcement (Reinforcement Learning), avec des résultats prometteurs obtenus par simulation.

Le sujet de stage que nous proposons est orienté vers l’optimisation et l’implémentation d’un algorithme de reinforcement learning (RL) en temps réel sur GPU. L’objectif est de minimiser le temps de calcul de l'algorithme sur GPU afin de permettre des fréquences de contrôle de boucle élevées (plusieurs kilohertz).

En nous rejoignant, vous serez impliqué(e) dans la conception de l’architecture pour maximiser l’efficacité de calcul du RL. L’architecture GPU devra être optimisée pour :

• L’inférence (l’application de l’algorithme de RL en direct pour prendre des décisions basées sur les observations du système).

• L’apprentissage en ligne (la mise à jour en temps réel du modèle de RL à partir des données mesurées).

Le choix de l’architecture et des méthodes de parallélisation sur GPU sera critique pour garantir que les fréquences de contrôle atteignent l’ordre du kHz. Pour vérifier le bon fonctionnement du RTC (Real-Time Controller), il est nécessaire de définir des métriques qui permettent d’évaluer les performances du système en temps réel. Parmi ces métriques, on peut citer :

• Le jitter, qui correspond aux fluctuations dans le temps de calcul des algorithmes en boucle fermée.

• Le temps de latence 

Vous serez encouragé(e) à proposer des solutions innovantes pour réduire encore les temps de calcul. Cela pourra inclure :

• L’optimisation du code pour les GPU via des bibliothèques comme TensorRT.

• L’utilisation de techniques spécifiques à l’algorithme de RL (comme des méthodes d’approximation pour accélérer l’apprentissage et la prise de décision).

L’implémentation sera validée à deux niveaux :

• Implémentation technique : À l'aide d'outils comme Valgrind, qui permettent de détecter les erreurs dans le code (fuites de mémoire, accès non autorisés, etc.), ainsi que d’outils de profilage pour identifier les goulots d’étranglement en termes de performance.

• Validation expérimentale : Vous aurez accès à des bancs expérimentaux d'optique adaptative. Vous pourrez ainsi tester ses implémentations dans des conditions réelles, en observant directement les performances du système sur des instruments optiques.

Un dialogue constant avec les chercheurs du Laboratoire d’Astrophysique permettra d’affiner les algorithmes et de vérifier les résultats obtenus en situation réelle.

Idéalement, ce stage basé à Montbonnot-Saint-Martin (38) d’une durée de 5-6 mois commencera en février 2025 (la période est communiquée à titre indicatif et pourra être revue).

Votre tuteur vous accompagnera dans la réussite de votre stage afin de faciliter votre intégration et votre montée en compétences.

Ce que nous recherchons chez vous 

Vous êtes actuellement en dernière année d’école d’Ingénieur ou en Master 2 avec une spécialisation en informatique et vous recherchez un stage de fin d’études ?

Votre parcours vous a permis de développer des connaissances et compétences dans les domaines techniques suivants :

• Compétences avancées en programmation et optimisation de calcul sur GPUProgrammation GPU : Utilisation d’outils comme CUDA et TensorRT pour implémenter des algorithmes massivement parallélisés

• Langages de programmation : Python, C

• Outils de validation : Comprendre et utiliser des outils comme Valgrind ou équivalent pour garantir la robustesse et l'efficacité du code

• Documentation : il sera nécessaire de documenter le code de manière rigoureuse afin d’assurer sa réutilisabilité et sa compréhension par d’autres chercheurs ou ingénieurs

Vous êtes reconnu(e) pour votre curiosité, votre esprit d’analyse et votre rigueur scientifique ?

Vous avez un bon niveau d'anglais qui vous permettra d’évoluer dans notre contexte international ?

Vous aimez travailler en équipe, de manière autonome au sein d’un univers challengeant ?

Enfin, vous partagez nos valeurs essentielles que sont le courage, la confiance, le talent et l'esprit d'équipe ?

Alors n’hésitez plus et postulez chez nous !