L’IFPEN, organisme de recherche sur les énergies et l'environnement, a une activité de développement de logiciels multi-physiques pour une meilleure compréhension des phénomènes physiques entrant en jeu dans les technologies de l’énergie et de l’environnement. Dans ce cadre, les chercheurs de IFPEN sont amenés à développer de nouveaux modèles numériques hybrides intégrant des schémas numériques classiques et des modèles issus du monde du machine learning et des réseaux de neurones afin de rendre les modèles numériques plus performant et plus précis.
Le stage a pour objectif de développer un modèle de substitution basé sur la plateforme NVIDIA Modulus pour résoudre les équations de Navier-Stokes en régime turbulent. L'étudiant sera amené à utiliser des réseaux de neurones de type PINNs (Physic Informed Neural Network) pour modéliser les écoulements turbulents, en intégrant à la fois les données physiques et les contraintes des équations de Navier-Stokes. Il s’agira en premier lieu de se familiariser avec la plate-forme Modulus et les principes des PINNs et en particulier l’utilisation de briques telles que les FNOs (Fourier Neural Operators). Dans un deuxième temps le stagiaire devra étudier les équations de Navier-Stokes et leurs défis en simulation turbulente, développer et entraîner un modèle de substitution pour la résolution de ces équations dans un cadre turbulent. Pour finir il devra valider le modèle en le comparant avec des solutions numériques classiques (e.g., DNS, LES). L’objectif final est de réduire les temps de calcul tout en conservant une haute précision dans la modélisation des écoulements turbulents.
Ce stage pourra être poursuivi par une thèse sur la problématique de l'utilisation de l'IA générative pour mettre au point des outils de génération de champs de vent turbulent pour le secteur de l'éolien.
Profil recherché
Stage de fin d'étude
Élève Master 2 ou Ingénieur en 3ème année d'école, option informatique, analyse de données ou mathématiques appliquées, intéressé par le développement informatique dans le domaine de l’analyse de données, du machine learning et de l’intelligence artificielle.
Élève ayant une connaissance des langages de programmation de type python, C, C++.Contacts : julien.bohbot@ifpen.fr jean-marc.gratien@ifpen.fr
