Au sein de Framatome, la Direction Technique et Ingénierie assure le développement, la conception et le suivi des chaudières nucléaires et des équipements associés. Elle propose également aux opérateurs des études d'ingénierie de conception, de production et de service. A ce titre, elle agit comme autorité technique, apportant toute son expertise afin d'offrir un haut niveau de sécurité et de performance. Dans ce contexte, de nombreux logiciels de calcul de volumes finis modèles physiques sont utilisés, dont une partie importante pour la mécanique des fluides.

FRAMATOME propose une thèse dont l'objectif  est d'identifier des structures de réseaux de neurones capables de réduire le coût algorithmique de résolution d'un système CFD en temps long, dans des domaines de résolution très complexes en dimension 2 ou 3 et tout en garantissant un contrôle quantitatif de l'erreur de résolution. Plus précisément, l'idée est que le réseau s'apparente à un schéma numérique capable d'évaluer une approximation des variables du système aux instants t à partir de la connaissance de ces mêmes variables à l'instant t0.

Sachant que la base de données sera relativement réduite à quelques résolutions numériques de ces équations, et comme nous souhaitons ici garantir un certain nombre de propriétés sur l'approximation numérique obtenue, il nous semble indispensable d'adapter la structure de ces réseaux pour y intégrer davantage physique du problème.

Pour ce faire, l'objectif sera de comprendre comment injecter efficacement dans les réseaux classiques, une résolution du système sur un maillage plus grossier ainsi qu'une extrapolation linéaire de la solution obtenue en figeant un certain nombre de variables dans la résolution du réseau complet. système.

Ingénieur.e de formation avec une spécialité en mathématiques appliquées, modélisation numérique et calcul haute performance.

Une solide base de connaissance dans la résolution numérique des équations aux dérivées partielles en générale et de la mécanique des fluides est requise, de même que des connaissances préalables dans les techniques d'apprentissage machine.

Une connaissance de la CFD serait un plus.