Encadrement :
David Zarzoso, Jérôme Jacob et Julien Favier
Contact : David Zarzoso / david.zarzoso-fernandez@univ-amu.fr / Tél : +33413554083
Durée : 6 mois
Description :
L’analyse, la compréhension et la prédiction du comportement des fluides autour d’une structure fixe ou mobile sont d’une importance majeure en mécanique de fluides et plus généralement en ingénierie pour la conception et l’optimisation des éléments constitutifs des avions. L’étude des écoulements repose dans une grande partie sur des simulations haute-fidélité faites avec des codes qui résolvent les équations de Navier-Stokes. Cependant, si ces codes représentent un outil essentiel pour la compréhension de la physique fondamentale derrière le comportement des fluides, leur utilisation demeure couteuse pour des études d’optimisation et pour du calcul en temps réel. Avec le développement récent de techniques d’Intelligence Artificielle (IA), les réseaux de neurones profonds sont de plus en plus présents dans les problèmes étudiés en mécanique de fluides.
Ce stage est divisé en deux parties. Dans un premier temps le candidat devra se familiariser avec les simulations fluides haute-fidélité pour l’étude de l’écoulement autour d’un profil simplifié d’aile en géométrie 2D. Dans un second temps, une petite base de données sera construite afin d’entraîner des réseaux de neurones pour deux tâches. La première tâche consistera à prédire un scalaire représentant la traînée connaissant la configuration de l’aile et les paramètres physique de l’écoulement. La deuxième tâche consistera à prédire les champs 2D autour de l’aile (vitesse et pression). Les deux tâches requièrent la construction, l’entraînement et la validation de modèles d’IA basés sur le couplage de réseaux convolutifs et denses profonds.
