CDD Doctorant : Contrôle actif des tourbillons de Görtler par analyse de stabilité et apprentissage automatique (H/F)
Nouveau
- CDD Doctorant
- 36 mois
- Doctorat
L'offre en un coup d'oeil
L'unité
Institut P': Physique et Ingénierie en Matériaux, Mécanique et Énergétique
Type de Contrat
CDD Doctorant
Temps de Travail
Complet
Lieu de Travail
86962 CHASSENEUIL DU POITOU
Durée du contrat
36 mois
Date d'Embauche
01/10/2026
Rémuneration
La rémunération est d'un minimum de 2300,00 € mensuel
Postuler Date limite de candidature : samedi 11 avril 2026 23:59
Description du Poste
Sujet De Thèse
Au CNRS, sur le site du Futuroscope, l'Institut Pprime recrute un doctorant ou une doctorante dans le cadre du projet BENEFIT financé par l'Agence Nationale de la Recherche (ANR) pour travailler sur le Contrôle actif des écoulements et l'apprentissage automatique.
1- CONTEXTE
--------------------
Le contrôle actif des écoulements vise à modifier les champs de vitesse pour réduire la traînée, améliorer les transferts de chaleur et optimiser le mélange de quantité de mouvement. Deux approches dominent actuellement : les méthodes fondées sur la physique (stabilité hydrodynamique), offrant une interprétabilité élevée mais limitées aux régimes linéarisés ; et l'apprentissage automatique, capturant les comportements non linéaires complexes au prix d'une opacité des modèles. BENEFIT synthétise ces paradigmes en intégrant l'analyse de stabilité directement dans les processus d'apprentissage automatique. La configuration ciblée concerne les tourbillons de Görtler , paires de tourbillons longitudinaux en couches limites concaves , structures pertinentes pour les applications aérospatiales et énergétiques du fait de leur propension à promouvoir le mélange et l'homogénéisation thermique.
2- OBJECTIFS
--------------------
- Objectif 1 : Caractérisation physique par analyse de stabilité (sensibilité, perturbations optimales, résolvante) des tourbillons de Görtler, identifiant les modes dominants et régions susceptibles de commande,
- Objectif 2 : Modélisation réduite via autoencodeurs et découverte de lois de commande explicites (SINDy ou programmation génétique) guidées directement par les mécanismes instabilité identifiés,
- Objectif 3 : Développement de modèles réduits intégrant directement les effets de commande, permettant l'adaptation sans simulations supplémentaires.
3- PROGRAMME DE L'ÉTUDE, MÉTHODOLOGIES ET MOYENS
-----------------------
- Phase 1 (Mois 1-12) : Analyse de stabilité utilisant LightKrylov et LightROM. Identification des paramètres gouvernant l'amplification, quantification de l'efficacité des perturbations, synthèse en portraits physiques définissant le dictionnaire de perturbations et observables critiques,
- Phase 2 (Mois 6-24 ) : Construction d'autoencodeurs pour compression des champs haute-dimensionnels. Identification clairsemée (SINDy) ou programmation génétique (GEP) pour dérivation de lois de commande explicites, validées contre simulations haute-fidélité,
- Phase 3 (Mois 18-36 ) : Développement de modèles réduits intégrant les effets de commande, validés contre simulations et données expérimentales IUSTI,
Moyens : Bibliothèques LightKrylov/LightROM, solveur Incompact3d, infrastructures CPU/GPU Pprime, base de données expérimentales IUSTI.
4- PRINCIPALES ACTIVITÉS ET RESPONSABILITÉS
-----------------------
a. Analyses de stabilité : Réaliser sensibilité, perturbations optimales et résolvante ; synthétiser résultats en portraits physiques?
b. Modèles réduits : Entraîner autoencodeurs et valider contre données haute-fidélité,
c. Lois de commande : Appliquer SINDy et programmation génétique pour dériver expressions explicites interprétables,
d. Intégration de commande : Reformuler modèles réduits intégrant directement les entrées de commande,
e. Documentation : Produire rapports trimestriels, articles scientifiques et rédiger la thèse,
f. Collaboration : Participer aux réunions du projet BENEFIT et interfaces régulières directeurs,
g. Dissémination : Présenter résultats en séminaires et conférences internationales.
Le candidat ou la candidate devra être titulaire d'un Master en Mécanique des Fluides / Mathématiques appliquées / Machine Learning. Il ou elle devra démontrer une appétence pour l’interdisciplinaire et l’apprentissage automatique avec l'envie de dépasser les frontières.
Formation souhaitée en développement et maitrise de stabilité, en apprentissage automatique, en réduction dimensionnelle et calcul haute performance.
Votre Environnement de Travail
Le doctorant ou la doctorante sera inscrite à l’Ecole Doctorale MIMME (https://mimme.ed.univ-poitiers.fr/).
Le laboratoire Pprime est une Unité Propre de Recherche du CNRS.
Son activité scientifique couvre un large spectre allant de la physique des matériaux au génie mécanique en passant par la mécanique des fluides, la thermique et la combustion.
Rémunération et avantages
Rémunération
La rémunération est d'un minimum de 2300,00 € mensuel
Congés et RTT annuels
44 jours
Pratique et Indemnisation du TT
Pratique et indemnisation du TT
Transport
Prise en charge à 75% du coût et forfait mobilité durable jusqu’à 300€
À propos de l’offre
| Référence de l’offre | UPR3346-NADMAA-159 |
|---|---|
| Section(s) CN / Domaine de recherche | Milieux fluides et réactifs : transports, transferts, procédés de transformation |
À propos du CNRS
Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d’associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement.
Créer une alerte
Ne manquez aucune opportunité de trouver le poste qui vous correspond. Inscrivez-vous gratuitement et recevez les nouvelles offres directement dans votre boite mail.