Stage M2 au Laboratoire LGI2A, Université d’Artois
Les représentations moléculaires traditionnelles, telles que SMILES (Simplified Molecular Input Line Entry System) ou les méthodes inspirées de Word2Vec, présentent des limitations dans leur capacité à capturer la stéréochimie moléculaire. Ces formats se concentrent principalement sur la connectivité atomique et les liaisons, sans inclure de détails sur l’arrangement tridimensionnel des atomes, qui est pourtant fondamental pour la stéréochimie. Ces lacunes sont particulièrement problématiques dans des domaines comme la pharmacologie ou en chimie en générale. Dans ce cadre, le projet de stage vise à développer des méthodes basées sur les Graph Neural Networks (GNN). L’objectif est d’incorporer des informations structurales 3D pour permettre une meilleure modélisation des stéréoisomères et une amélioration significative des prédictions des propriétés moléculaires.
Déroulement du stage :
Le stage se déroulera en trois étapes :
1- Développer des modèles de Graph Neural Networks (GNN) :
- Créer des architectures adaptées pour la classification de molécules à partir d’une base de données.
- Inclure les informations stéréochimiques et 3D dans les représentations graphiques.
2- Optimisation combinatoire :
- Intégrer des techniques avancées pour réduire le temps de calcul des modèles tout en conservant leur précision.
3- Évaluation et comparaison des performances :
- Comparer les résultats avec les méthodes existantes, en évaluant la précision, la robustesse et le temps de calcul.
Profil recherché :
Nous recherchons un(e) candidat(e), idéalement un(e) étudiant(e) en informatique, ayant une expérience préalable sur des projets ou stages en Deep Learning et maîtrisant la programmation en Python, notamment avec les frameworks tels que PyTorch, TensorFlow , Keras.
Localisation : LGI2A – Laboratoire de Génie Informatique et d’Automatique de l’Artois – UR 3926 Faculté des Sciences Appliquées Technoparc Futura 62400 – BÉTHUNE
Durée du stage : 4 mois
Date de début : Février / Mars 2025
Contact : merci d’adresser votre candidature (CV détaillé et lettre de motivation) à :
- Sohaib Lafifi – sohaib.lafifi@univ-artois.fr
- Rachid Laref – rachid.laref@univ-artois.fr
