Date de dépôt des candidatures : 13 décembre 2017 à midi

En astronomie, les besoins en traitement de données évoluent et se complexifient, au fur et à mesure que de nouvelles technologies d’observation et d’acquisition fournissent une vision plus nette et plus profonde du ciel, et au fur et à mesure que les techniques d’échantillonnage de données, de traitement d’images et d’apprentissage offrent de nouvelles perspectives pour la compréhension des observations.
C’est un véritable bouleversement que connaît le domaine depuis une quinzaine d’année et qui va en s’amplifiant.
De façon générale, les traitements sur ces données sont souvent réalisés par une ingénierie ad hoc, mettant en œuvre une multitude d’outils informatiques et produisant des chaînes de traitements complexes, coûteuses en maintenance et peu propices à la réutilisation et l’évolution. Ce sont là des conditions qui peuvent constituer un frein à l’évolution des recherches en astronomie et en cosmologie.

L’objectif de cet Appel à projets (AAP) est de mobiliser une communauté interdisciplinaire autour de ces problèmes pour faire émerger des concepts, des modèles et des méthodes originales permettant une meilleure compréhension des traitements réalisés sur les données astronomiques et une plus grande maîtrise des logiciels associés tant dans leur développement que dans leur maintenance et leur évolution.
Les projets de recherche proposés doivent être portés par des consortiums interdisciplinaires et peuvent concerner, mais de façon non exclusive, les thèmes suivants :

Modèles de stockage et d’indexation de données en Astronomie, aussi bien en environnement distribué qu’en environnement cloud
Accès aux données : concepts, opérateurs, langages, optimisation, exploration (interactive) et visualisation de grandes masses de données en Astronomie
Nouveaux serveurs de données et nouveaux modèles de calcul sur les données
Approches pour le nettoyage de gros volumes de données
Calcul intensif sur des grands volumes de données, parallélisme dirigé par les données, simulation sur des gros volumes de données
Calcul intensif pour la simulation sur des temps longs, à partir d’un grand nombre de données initiales
Apprentissage et extraction de connaissances, machine-learning, deep-learning

Pour consulter le texte de l’AAP
Pour télécharger le formulaire de candidature

Le formulaire de candidature (5 pages maximum) doit être obligatoirement déposé par le porteur du projet sur SIGAP avant le 13 décembre 2017 à midi.

SIGAP est l’application pour candidater aux AAP : consulter des documents destinés à vous aider

Pour obtenir des informations :
Mokrane Bouzeghoub et Guy Perrin (responsables scientifiques du Défi)
Mission pour l’Interdisciplinarité