En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Doctorant (H/F) - Simulation et apprentissage d'écoulements turbulents fortement anisothermes

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Date Limite Candidature : mercredi 6 octobre 2021

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Faites connaître cette offre !

Informations générales

Référence : UPR8521-ADRTOU-001
Lieu de travail : PERPIGNAN
Date de publication : mercredi 25 août 2021
Nom du responsable scientifique : Adrien Toutant
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 4 octobre 2021
Quotité de travail : Temps complet
Rémunération : 2 135,00 € brut mensuel

Description du sujet de thèse

Contexte
Le contexte de la thèse est le développement des centrales solaires à tour de prochaine génération. On se concentre sur le composant clé des centrales : le récepteur solaire à haute température et haut flux. Une des possibilités est d'utiliser au sein du récepteur solaire un mélange gaz pressurisé comme fluide de transfert. La maîtrise des écoulements turbulents fortement anisothermes est alors un verrou scientifique pour le développement de ces centrales solaires à tour. En effet, les couplages entre la turbulence et la thermique rendent la physique particulièrement complexe. Cette thèse vise à en améliorer la compréhension et la modélisation.

Objectifs
Les objectifs de ce projet de thèse sont les suivants (ils sont présentés par ordre chronologique) :
1. Réalisation de simulations numériques directes d'écoulements turbulents fortement anisothermes
2. Développement de modèles de type simulation des grandes échelles en utilisant les outils d'apprentissage automatique (deep learning)

Méthode
En simulation numérique directe (SND), la bonne prise en compte du couplage vitesse/température et la résolution de toutes les échelles de la turbulence nécessite des maillages extrêmement fins. Ces simulations sont donc limitées à des cas de calculs académiques avec des tailles modestes de domaine et des géométries simples. Pour réaliser des simulations se rapprochant davantage des applications, il est indispensable de réduire le coût des SND en introduisant des modèles sous-maille.
A notre connaissance, il existe peu de modèle pour les termes sous-maille spécifiques aux écoulements fortement anisothermes (Dupuy et al. 2019 ; David et al. 2021). Le travail de modélisation consiste donc à adapter les modèles existants pour le tenseur de Reynolds et à développer de nouveaux modèles pour les termes spécifiques. Pour ces derniers, nous proposons d'adapter les modèles structurels qui utilisent des méthodes de déconvolution comme le modèle gradient ou le modèle de similarité d'échelles.
Pour développer un modèle de type simulation des grandes échelles SGE pour les écoulements très fortement anisothermes, le doctorant constituera une base de données étendue de SND. A partir de cette base de données, des techniques d'apprentissage automatique (machine learning, deep learning) seront mises en oeuvre pour déterminer un modèle mathématique décrivant l'effet des petites échelles (non résolues) sur les plus grandes. Plus précisément, différentes architectures de réseaux de neurones (réseaux convolutionnels, réseaux à graphes, etc.) et de fonctions objectifs seront évaluées pour inférer le meilleur modèle possible. Une attention particulière sera portée à la robustesse du modèle appris vis-à-vis de la résolution du maillage et du régime de l'écoulement. Les modèles développés devront permettre de calculer avec précision les échanges thermiques fluide/paroi.

Contexte de travail

Encadrement de la thèse
Adrien TOUTANT - 04 68 68 27 09 - adrien.toutant@univ-perp.fr
Françoise BATAILLE - 04 68 68 22 32 - francoise.bataille@promes.cnrs.fr
Lionel MATHELIN - mathelin@limsi.fr
Onofrio SEMERARO - semeraro@limsi.fr

Environnement
La thèse se déroulera principalement au laboratoire PROMES (Perpignan) et inclura quelques séjours au LISN (Saclay).

On en parle sur Twitter !