Nouvelle recherche

Cette offre n'est plus disponible

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

IFP Energies nouvelles - Sciences et Technologies du Numérique

Localisation
Hauts-de-Seine
Début
dès que possible
Durée
6 mois
Indem.
Oui

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.

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.


Cette offre n'est plus disponible

Contact

IFP Energies nouvelles - Sciences et Technologies du Numérique
Jean-Marc Gratien
1&4, avenue de Bois-Préau
92852 Rueil-Malmaison cedex
Logo IFP Energies nouvelles - Sciences et Technologies du Numérique

Métiers

Vous recherchez des informations concernant les différents métiers ? Accédez à nos fiches décrivant les principaux métiers !

Conseils

Pour que la vie d’étudiant ne rime pas avec parcours du combattant, retrouvez tous nos conseils stage / alternance / emploi