Description du sujet de thèse

La prédiction de résultats à valeur scalaire ou vectorielle est désormais bien comprise dans les statistiques et l'apprentissage automatique. Cependant, dans de nombreuses applications, on serait plutôt intéressé par la prédiction d'une quantité d'intérêt prenant des valeurs dans des espaces plus complexes, tels que les variétés géométriques, des espaces de mesures et des sous-espaces euclidiens avec des contraintes non linéaires.



Plusieurs possibilités seront explorées, en se concentrant en particulier sur la prédiction de mesures. La méthodologie développée sera appliquée à des problèmes réels de dynamique des fluides numérique, en collaboration avec l'Institut de radioprotection et de sûreté nucléaire (IRSN). Les exemples de résultats sont des images d'écoulement et des histogrammes de quantités physiques d'intérêt. La motivation industrielle est donc une meilleure compréhension de l'écoulement diphasique dans les générateurs de vapeur des centrales nucléaires.

Contexte de travail

Institut de mathématiques de Toulouse. L'environnement est riche avec beaucoup d'événements scientifiques.