Évaluation des méthodes de type Machine Learning pour améliorer les performances des méthodes de reconstruction d'interface dans les codes de CFD
Sciences et Technologies du Numerique


Type de contrat
Stage
Début
Entre mars et juin 2020
Durée
6 mois
Région
Ile de France
Indemn / Rém
Oui

ref 2020-R114-10

IFP Energies nouvelles (IFPEN) est un acteur majeur de la recherche et de la formation dans les domaines de l’énergie, du transport et de l’environnement. De la recherche à l’industrie, l’innovation technologique est au cœur de son action, articulée autour de trois priorités stratégiques : mobilité durable, énergies nouvelles et hydrocarbures responsables.

Dans le cadre de la mission d’intérêt général confiée par les pouvoirs publics, IFPEN concentre ses efforts sur :

  • l’apport de solutions aux défis sociétaux de l’énergie et du climat, en favorisant la transition vers une mobilité durable et l’émergence d’un mix énergétique plus diversifié ;
  • la création de richesse et d’emplois, en soutenant l’activité économique française et européenne et la compétitivité des filières industrielles associées.

Partie intégrante d’IFPEN, l’école d’ingénieurs IFP School prépare les générations futures à relever ces défis.


La Direction « Sciences et Technologies du numérique » apporte ses propres compétences informatique, traitement de l’information et mathématiques appliquées en complément des compétences des nombreux autres métiers d’IFPEN, pour la réalisation de projets de Recherche et d’Innovation internes et collaboratifs sur les aspects numériques au sens large.

De façon plus précise, les contributions de la Direction sont essentiellement dans l’optimisation et la commande de systèmes technologiques complexes, dans la modélisation, la performance numérique et informatique des codes scientifiques, et dans l’exploitation, par des outils numériques, de gros volumes de données issues de l’expérimentation ou des simulations.

Évaluation des méthodes de type Machine Learning pour améliorer les performances des méthodes de reconstruction d’interface dans les codes de CFD

Contexte

Dans le cadre de la transformation digitale de IFPEN, organisme de recherche sur les énergies et l'environnement, se développe une intense activité de recherche sur les nouveaux usages permettant de valoriser les données collectées dans différents métiers. Un champs de recherche consiste à appliquer des méthodologies développées dans le domaine des données aux domaines du calcul scientifique pour améliorer les performances des codes numériques parmi lesquels les codes de CFD.

Objectifs

Dans de nombreux domaines métiers (calculs de combustions, écoulement polyphasique dans des réacteurs chimiques), les codes de CFD utilisés ont recours à des algorithmes de reconstruction d’interfaces entre différentes phases qui sont très coûteux.

Le travail proposé consistera à évaluer différentes méthodes de machine learning permettant d’accélérer les calculs de reconstruction d’interface dans des code CFD. Il s’agira de construire des modèles d’apprentissage sur un grand nombre de calculs types permettant de prédire l’évolution des interfaces puis de les comparer aux résultats calculés par les méthodes classiques de résolution d’EDP.

Profil recherché

Master 2 ou 3ème année d'école ingénieur, option informatique ou mathématiques appliquées, analyse numérique, mécanique appliquée ou analyse des données.

Connaissance des langages de programmation de type Python, C, C++ et des méthodes de machine learning.