Thèse CIFRE

Thèse CIFRE : Réduction de modèle en variabilité géométrique non paramétrique F/H - CENTRE DE RECHERCHE & TECHNOLOGIE Rejoignez AEROCONTACT pour le poste de recherche en simulation numérique. Safran est un groupe international de haute technologie opérant dans les domaines de l'aéronautique, de l'espace et de la défense. Sa mission consiste à contribuer durablement à un monde plus sûr, où le transport aérien devient toujours plus respectueux de l'environnement, plus confortable et plus accessible. Implanté sur tous les continents, le Groupe emploie 100 000 collaborateurs pour un chiffre d'affaires de 27,3 milliards d'euros en 2024, et occupe, seul ou en partenariat, des positions de premier plan mondial ou européen sur ses marchés. Descriptif de la mission Dans de nombreux domaines industriels, la simulation numérique est un outil incontournable. Elle met en œuvre des codes de calcul complexes, dont la durée de résolution par simulation peut atteindre plusieurs heures, voire plusieurs jours. Dans un contexte de problèmes paramétrés, l'utilisation de modèles trop coûteux devient prohibitive. Ce poste consiste donc à construire un modèle de substitution pour remplacer les solveurs coûteux, en prenant en compte le plus de variabilités possibles et en améliorant le compromis précision / vitesse. Étudier et développer l'approche MMGP (Mesh Morphing Gaussian Processes) pour la régression de champ sous variations géométriques non-paramétrées. Optimiser le morphing en le reformulant comme une minimisation de la distance entre le bord des échantillons et celui d'une géométrie de référence, résolue via une suite de problèmes élastiques. Améliorer l'algorithme d'optimisation de la famille de morphing afin de le rendre robuste vis-à-vis des bords courbes. Étendre l'application aux champs de structures variables, notamment en mécanique des fluides, incluant des champs de pression sans choc ou avec un ou plusieurs chocs. Rehausser la performance du décodeur POD par une correction quadratique ou polynomiale. Surmonter la limitation de topologie constante de la base de données. Appliquer la stratégie à des cas 3D complexes en identifiant et corrigeant les limitations et goulots d'étranglement. Compétences et qualifications requises Master en Mathématiques appliquées ou équivalent. Excellentes compétences en analyse numérique, réduction de modèle, machine learning et développement informatique (particulièrement Python). Excellente communication écrite et orale en français et en anglais. Créativité, goût pour l’innovation, curiosité et envie d’apprendre. #J-18808-Ljbffr