Offre de stage M1/M2 Méthode multi-échelles avec apprentissage profond adaptatif pour les écoulements

Job description

Unité : CERI MP

Responsable hiérarchique : Modesar SHAKOOR

Nature de l’emploi : Stage de M1/M2

Lieu de travail : IMT Nord Europe – Campus de Douai Lahure

Contexte :

Ecole sous tutelle du ministère en charge de l’économie et des finances, et école de l’Institut Mines Télécom, IMT Nord Europe a 3 missions principales : former des ingénieurs responsables aptes à résoudre les grandes problématiques du XXIème siècle ; mener des recherches débouchant sur des innovations à haute valeur ajoutée ; soutenir le développement des territoires notamment en facilitant l’innovation et les créations d’entreprises. Son objectif est de former les ingénieurs de demain, maîtrisant à la fois les technologies numériques et les savoir-faire industriels. Idéalement située au carrefour de l’Europe, à 1 heure de Paris, 30 minutes de Bruxelles et 1H30 de Londres, IMT Nord Europe a l’ambition de devenir un acteur majeur des grandes transformations industrielles, numériques et environnementales du XXIème siècle en combinant, tant dans ses enseignements et que dans sa recherche, les sciences de l’ingénieur et les technologies du digital.

Localisée sur 2 sites principaux d’enseignement et de recherche, à Lille et à Douai, IMT Nord Europe s’appuie sur plus de 20000m² de laboratoire pour développer un enseignement de haut niveau et une recherche d’excellence dans les domaines suivants :

- Systèmes Numériques

- Energie Environnement

- Matériaux et Procédés

Pour plus de détails, consulter le site internet de l’Ecole : www.imt-nord-europe.fr

Le poste est à pourvoir au sein du Centre d’Enseignement, Recherche et Innovation Matériaux et Procédés (CERI MP). En lien avec les acteurs industriels, le CERI MP a pour un de ses axes de recherche principaux la modélisation numérique des phénomènes physiques se déroulant pendant la mise en œuvre des matériaux. Parmi ceux-ci, les écoulements ont un rôle important pour de nombreux procédés de fabrication comme le moulage par transfert de résine ou la fabrication additive (impression 3D). Le moulage par transfert de résine, par exemple, consiste à placer un renfort fibreux en carbone ou verre dans un moule initialement rempli d’air et à y injecter une résine polymère. Les structures composites ainsi produites combinent les propriétés du carbone ou du verre et du polymère. Elles sont utilisées notamment pour minimiser le poids des automobiles, des avions, des pales d’éoliennes et des réservoirs d’hydrogène. La progression de l’interface résine/air est freinée par les fibres constituant le renfort, ce qui peut mener à la formation de bulles d’air. Ces dernières sont indésirables puisqu’elles peuvent détériorer significativement la durée de vie des structures composites produites.

Dans le contexte actuel de forte concurrence scientifique, technologique et industrielle et d’optimisation des matériaux et procédés par la numérisation, il est essentiel d’améliorer la fiabilité des modèles numériques d’écoulements. La problématique principale est qu’il n’est pas envisageable de modéliser directement les fibres à l’échelle du moule puisque celui-ci contiendrait des millions de fibres. En termes plus précis, un maillage Éléments Finis (EF) discrétisant simultanément l’hétérogénéité et le domaine de calcul n’est pas envisageable. Le développement d’approches multi-échelles séparant l’échelle de l’hétérogénéité de celle du domaine est donc essentiel.


Missions :

L’objectif principal du stage est d’intégrer un modèle réduit reposant sur de l’apprentissage profond à une méthode EF multi-échelles déjà existante afin de modéliser des écoulements non stationnaires dans des milieux hétérogènes. La méthode consiste à discrétiser séparément l’hétérogénéité et le domaine, et à formuler puis résoudre de manière couplée les équations d’écoulement aux deux échelles. Des travaux précédents montrent qu’il est possible de résoudre les équations d’écoulement à l’échelle de l’hétérogénéité avec un réseau de neurones entrainé sur des données générées par la méthode des EF. Ce réseau de neurone devra être intégré au code EF multi-échelles.

Activités :

La première partie du stage sera consacrée à la découverte du sujet et à ses deux composantes technologiques qui sont la modélisation EF multi-échelles et les réseaux de neurones profonds. La seconde partie visera à développer et valider un réseau de neurones profond pour remplacer la méthode des EF pour la résolution des équations d’écoulement à l’échelle de l’hétérogénéité. La troisième partie consistera à intégrer ce réseau de neurones au code EF multi-échelles.

Le stagiaire disposera d’une station de calcul hautes performances. Il s’intégrera dans un projet ambitieux et une équipe internationale et multidisciplinaire. Il acquerra des compétences avancées en calcul scientifique avec la méthode des EF, en modélisation multi-échelles, en apprentissage profond, en mécanique des fluides numérique et en programmation C/Python.


Job requirements

Profil du candidat :

Le sujet de stage s’adresse à un étudiant de Master 1 ou 2 (ou d’école d’ingénieur) dans les spécialités suivantes : calcul scientifique, mathématiques appliquées, analyse numérique ou spécialités similaires. Il devra disposer de compétences en calcul scientifique avec la méthode des EF et en programmation C. Une expérience en apprentissage profond avec Python/TensorFlow ou en modélisation multi-échelles serait un plus.

Conditions :

Le démarrage du stage est prévu entre février et avril 2023 et le stage durera six mois.

Renseignements et modalités de dépôt de candidature :

Pour tout acte de candidature, merci d’envoyer CV et lettre de motivation en PDF à :

Modesar SHAKOOR, Enseignant-Chercheur, modesar.shakoor@imt-nord-europe.fr, Tél. 03 27 71 23 21


Date limite de candidature : 01/12/2022