Pasqal utvikler kvantedatamaskiner basert på nøytrale atomer og kvanteprogramvare for organisasjoner. Løsningene tar for seg komplekse problemer i industrien, forskningssektoren og offentlig sektor.
AI scientist - Quantum system performance optimization - H/F
Pasqal recrute un AI scientist pour optimiser les performances de ses processeurs quantiques au sein de l’équipe Systems Performance, à Palaiseau. Le poste porte notamment sur l’analyse de données atomiques, le développement de modèles d’IA et la maintenance prédictive des QPUs. Une expérience pratique en machine learning, deep learning et entraînement de modèles sur GPU est requise.
3× større sjanse for intervju med en uoppfordret e-post
Se den opprinnelige stillingsannonsenInformasjon om Pasqal
- Bransje
- Programvare og internett
- Modell
- B2B
- Bedriftstype
- Børsnotert
- Utviklingsfase
- Børsnotert bedrift
- Hovedkontor
- Palaiseau
- Offisielt domene
- pasqal.com
- Grunnlagt
- 2019 · 7 år
- Offentlig oppgitt antall ansatte
- 314 ansatte
- Publisert verdsettelse
- 2 Md$Kilde ↗
- Siste kapitalinnhenting
- Convertible · 2026-08-01
- Kunngjort beløp
- 250 000 000 $
- Ledige stillinger
- 7
Omtalte investorer
Stillingsdetaljer
Den fullstendige beskrivelsen publisert av Pasqal.
Description de l’offre
A propos de Pasqal Pasqal conçoit et développe des processeurs quantiques (QPUs : Quantum Processing Units) et les outils logiciels associés. Notre technologie innovante permet de traiter des cas d’usage qui sont à ce jour hors de portée des plus puissants des supercalculateurs ; ces cas peuvent concerner des défis industriels applicatifs aussi bien que les besoins des sciences fondamentales.
Au-delà de la puissance de calcul exceptionnelle qu’ils apportent, les QPUs sont d’une très grande efficacité énergétique et contribueront à réduire fortement l’empreinte carbone de l’industrie du calcul intensif.
Description du poste
Dans le cadre de notre forte croissance, nous recrutons un AI scientist
- Quantum system performance optimization pour renforcer notre équipe Systems Performance. Au sein de l’équipe System Performance, nous mesurons et optimisons les performances des QPU. Nous sommes responsables de l’implémentation et de la validation de nouvelles fonctionnalités, et nous travaillons à pousser le système à son plus haut niveau de performance. Nous ouvrons un poste dans l’équipe afin de démarrer une nouvelle activité d’amélioration des performances atomiques des QPUs basée sur l’utilisation d’algorithmes d’IA. Dans ce cadre, vos missions principales seront :
- Contribuer à des projets transverses à l’échelle du QPU
- Collaborer étroitement avec les membres de l’équipe pour comprendre les processus physiques en jeu
- Comprendre les données atomiques prises sur les QPUs et l’impact des paramètres expérimentaux
- Analyser les performances (via le développement de modèles mathématiques et physiques simples, ainsi que de simulations) afin d’identifier les limitations majeures des designs actuels
- S’approprier les problématiques de performance et de réglage des QPU afin de proposer, développer et valider de nouvelles approches s’appuyant sur les méthodes d’IA existantes
- Contribuer à la mise en place de maintenance prédictive sur nos QPUs
- Collaborer étroitement avec les experts métiers d’autres équipes du département hardware
- Communiquer les résultats scientifiques au sein de l’équipe et à l’extérieur A propos de vous
- M2 en science des données / machine learning / IA ou utilisation approfondie de méthodes d’IA pendant un doctorat de physique
- Bonne maîtrise des principales méthodes de Machine Learning (régression, classification, clustering, réduction de dimension) et des architectures de Deep Learning (MLP, CNN, Transformers, autoencodeurs), ainsi que de leurs domaines d'application.
- Expérience pratique du développement et de l'entraînement de modèles de bout en bout : préparation des données, constitution des jeux d'entraînement/validation/test, entraînement sur GPU (PyTorch, JAX ou autre framework équivalent), optimisation des hyperparamètres, adaptation des architectures et losses, évaluation et analyse des performances. L'expérience du calcul distribué et de SLURM est un plus.
- Capacité à adapter les modèles ML aux contraintes de systèmes expérimentaux : données bruitées ou limitées, robustesse, latence d'inférence et intégration dans des pipelines de traitement et de contrôle.
- Toute connaissance sur l’accélération / compression de modèles est un plus
- Des connaissances en physique expérimentale sont appréciées mais non indispensables : curiosité et adaptabilité les remplaceront !
- Avoir déjà implémenté un ou des modèles sur un système expérimental
- Être à l’aise dans (ou attiré par) un cadre expérimental : bricoleurs bienvenus !
- Être à l’aise avec les outils de développements (Linux, git, ssh…) Qualités attendues
- Autonomie, rigueur et sens de l’organisation
- Bonnes capacités de communication et d’écoute
- Capacité démontrée à collaborer avec des experts métiers
- Être motivé pour défricher un nouveau sujet : vous seriez le premier de l’équipe sur cette thématique!
- Vous avez un bon niveau d’anglais à l’écrit comme à l’oral, et un niveau de français suffisant pour évoluer au quotidien, avec une volonté de progresser.
Ce que nous offrons
De magnifiques bureaux neufs sur Massy
- Un rythme flexible de présentiel (2-3 jours de télétravail par semaine )
- Type de contrat : CDI
- Une équipe internationale dynamique et soudée
- Un rôle clé dans une start-up en pleine croissance
- Du temps libre pour vous former et aller à des conférences/meetups
Process de recrutement
- Un entretien avec notre talent acquisition de 30’
- Un échange avec le Hiring manager
- Une rencontre avec l’équipe dans nos bureaux
- Une offre ! Pasqal est un employeur garantissant l'égalité des chances. Nous nous engageons à créer un lieu de travail diversifié et inclusif, car l'inclusion et la diversité sont essentielles à la réalisation de notre mission. Nous encourageons les candidatures de tous les candidats qualifiés, quels que soient leur sexe, leur race, leur origine ethnique, leur âge, leur religion ou leur orientation sexuelle
Nevnte goder
- 2-3 jours de télétravail par semaine
- Temps libre pour vous former et aller à des conférences/meetups
3× større sjanse for intervju med en uoppfordret e-post
Arbeidssted
Bekreftet adresse
Stillingsannonsen oppgir denne adressen direkte.
Søk på denne stillingen
Hvordan søker jeg?
Stillingsannonsen er publisert på nettsiden til Pasqal. Åpne den opprinnelige stillingsannonsen ↗ for å sende inn søknaden din. Screeningpass fyller ikke ut skjemaet for deg.
Hvem kan du skrive til hos Pasqal om denne stillingen?
Start et kontaktsøk fra denne siden. Screeningpass foreslår opptil tre personer knyttet til stillingen. Du velger hvem du vil skrive til, så søker Screeningpass etter personens jobb-e-postadresse og klargjør en melding. Du leser gjennom meldingen og sender den selv med Gmail. En e-postadresse er ikke alltid tilgjengelig, og du er aldri garantert svar.
Hvor mye koster det å finne en kontakt?
Et søk koster 1 kreditt. Du får kreditten tilbake hvis søket mislykkes. Når du registrerer deg, får du 3 kreditter, nok til 3 søk.
Hva kan du bruke Screeningpass til?
Screeningpass samler stillingsannonser for praksisplasser, lærlingplasser og jobber som bedrifter har publisert. For en stilling finner Screeningpass en kontaktperson i bedriften, søker etter personens jobbrelaterte e-postadresse og lager en melding basert på CV-en din. Se hvordan det fungerer i detalj.