Simulation CFD et IA
Objectifs opérationnels
À l’issue de la formation, le participant est capable de :
- Situer les approches d’apprentissage automatique appliquées à la CFD et leurs limites
- Construire un plan d’expériences numériques et préparer les données de simulation
- Entraîner un modèle de substitution et évaluer son domaine de validité
- Mettre en œuvre un exemple simple de réseau de neurones informé par la physique
- Valider et documenter un modèle en vue d’une publication ou d’un usage en ingénierie
Public
Doctorants, ingénieurs de recherche et ingénieurs R&D en mécanique des fluides, énergétique ou génie climatique.
Prérequis
Bases de mécanique des fluides et de simulation CFD ; programmation en Python.
Programme jour par jour
| Séquence | Contenu |
|---|---|
| J1 matin | Panorama : apprentissage automatique et CFD, modèles de substitution, réduction de modèle, réseaux informés par la physique |
| J1 après-midi | Génération des données : plan d’expériences, automatisation des simulations, extraction et stockage des résultats |
| J2 matin | Modèles de substitution : régression, processus gaussiens, réseaux de neurones ; validation et incertitudes |
| J2 après-midi | Réduction de modèle : décomposition orthogonale aux valeurs propres (POD), reconstruction de champs |
| J3 matin | Réseaux de neurones informés par la physique : principe, exemple simple, comparaison avec la simulation |
| J3 après-midi | Mini-projet sur un cas d’écoulement fourni ou apporté par le participant ; restitution et discussion critique |

