Thèse Modélisation de la Turbulence à l'Aide de Méthode d'Apprentissage Machine H/F

Doctorat_Gouv

La thèse consistera à modéliser la turbulence à l'aide de méthodes d'apprentissage machine (ML), en particulier les Physics Informed Neural Networks (PINNs).
Le but est d'obtenir une méthode originale permettant notamment de prendre en compte et reproduire les évènements extrêmes.
L'équation d'Euler sera considérée dans un premier temps ainsi qu'une version scalaire dans le cadre de l'équation modèle de Schrodinger non-linéaire. La dynamique des quantités conservées par la dynamique ainsi que les symétries seront étudiées en détail à l'aide d'une méthode de PINN's. L'accélération du calcul sera étudiée en collaboration avec le groupe du laboratoire LISN de l'INRIA.
Ensuite, les équations de turbulence d'ondes seront étudiées, en collaboration avec les équipes de Brest et de Saclay. Il s'agira d'obtenir une approche de type PINN's permettant de retrouver les caractéristiques statistiques de ces ondes et en particulier leurs comportements intermittent

La thèse s'intègre dans un projet de recherche collaborative financé par l'ANR (SCALP) en collaboration avec le LISN de l'université Paris Saclay et l'INRIA, et le LIMT de l'IMT Bretagne.

Obtenir une modélisation de la turbulence et des évènements extrêmes à l'aide d'outils d'apprentissage machine.

Modélisation numérique et théorique de la turbulence à partir de l'analyse détaillée des équations différentielles de la mécanique des fluides.