Méthodes d’Apprentissage pour l’Accélération des Simulations Numériques

Statut
à pourvoir
Domaine

Les simulations numériques sont un outil essentiel pour la modélisation de processus physiques complexes. Les simulateurs modernes implémentent des algorithmes complexes résolvant des systèmes d’équations non-linéaires ou aux dérivées partielles. Ces calculs produisent de grandes quantités de données souvent inutilisées dans la résolution de futurs problèmes similaires. L’objectif de cette thèse d’accélérer les simulateurs numériques en exploitant l’apport de ces données par apprentissage automatique.

En premier lieu, le ou la candidat·e devra travailler à l’aide du simulateur IFPEN Carnot permettant de réaliser des calculs d’équilibre thermodynamique, indispensables pour la simulation en milieu poreux, la simulation de combustion moteur ou encore la simulation de procédés chimiques. Les axes de recherche se concentreront sur la recherche d’algorithmes d’apprentissage performants pour la classification des phases présentes et la régression sur les fractions molaires dans ces phases, l’établissement d’un plan d’expérience pour la constitution de la base de données, et l’implémentation des résultats dans un simulateur IFPEN faisant appel à Carnot.

Par la suite, les travaux de recherche porteront sur l’extension de cette approche à la résolution d’équations aux dérivées partielles (EDP) de réaction-diffusion. L’objectif est alors d’établir, à partir de solutions fournies par un simulateur numérique, un modèle statistique qui pourra généraliser ses prédictions à cette classe d’EDPs.

Mots clefs: Apprentissage automatique, Equilibre Thermodynamique, Equations aux Dérivées  Partielles

 

  • Directeur de thèse    GALLINARI Patrick
  • Ecole doctorale    ED 130 - Informatique, télécommunications et électronique de Paris (EDITE) http://edite-de-paris.fr/spip/
  • Encadrant IFPEN    FANEY Thibault, Département de Mathématiques Appliquées, thibault.faney@ifpen.fr
  • Localisation du doctorant    IFPEN (Rueil-Malmaison) / LIP6 (Paris) 
  • Durée et date de début    3 ans, début de préférence en octobre 2019 
  • Employeur    IFPEN, Rueil-Malmaison, France
  • Qualifications    Master 2 Statistiques / Informatique / Sciences des Données
  • Connaissances linguistique    Bonne maîtrise de l’anglais indispensable.
     
A propos d'IFP Energies nouvelles

IFP Energies nouvelles est un organisme public de recherche, d’innovation et de formation dont la mission est de développer des technologies performantes, économiques, propres et durables dans les domaines de l’énergie, du transport et de l’environnement. Pour plus d’information, voir www.ifpen.fr. 
IFPEN met à disposition de ses chercheurs un environnement de recherche stimulant, avec des équipements de laboratoire et des moyens de calcul très performants. IFPEN a une politique salariale et de couverture sociale compétitive. Tous les doctorants participent à des séminaires et des formations qui leur sont dédiés.
 

Contact
Encadrant IFPEN 
FANEY Thibault
Département de Mathématiques Appliquées