> Markdown version of [/jobs/ext/4535632-scientist-quantum-system-performance-optimization-h-f](https://www.wearedevelopers.com/jobs/ext/4535632-scientist-quantum-system-performance-optimization-h-f). Every page supports `.md` or `Accept: text/markdown`. Links point to the HTML versions so they work for humans too. Agent guide: [/agents.md](https://www.wearedevelopers.com/agents.md). --- # Scientist - Quantum System Performance Optimization H/F - **Company:** Pasqal - **Location:** Palaiseau, France (Remote available) - **Contract:** Permanent contract - **Skills:** Secure Shell (SSH), Artificial Intelligence, Cluster Analysis, Linux, Programming Tools, Distributed Systems, Machine Learning, Data Processing, Pytorch, Deep Learning, Git, Slurm - **Published:** November 3, 2026 - **Apply:** https://www.hellowork.com/fr-fr/emplois/85074509.html ## About the Role 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...) 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. 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., By joining Pasqal, you'll have the opportunity to play an active role in the rapid growth of a pioneering DeepTech scale-up at the forefront of the second quantum revolution. You'll be directly involved in one of the greatest technological challenges of our time-one that is set to shape the technological landscape of the 21st century. Working alongside world-class scientists and engineers, you'll compete head-to-head with leading global players while pushing the boundaries of quantum innovation., Linux Git SSH Analyse de la performance de la promotion Autonomie Sens de l'organisation ## Description 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 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., 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 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 ! Un entretien avec notre talent acquisition de 30' Un échange avec le Hiring manager Une rencontre avec l'équipe dans nos bureaux