Etude des mécanismes d'ébullition par Machine Learning appliqué à des vidéos infrarouges H/F

Informations générales

Entité de rattachement

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.

Les collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :

• La conscience des responsabilités

• La coopération

• La curiosité

Référence

Description de l'unité

Au sein du DM2S, le Département de Modélisation des Systèmes et des Structures, le Service de Thermohydraulique et de la Mécanique des Fluides (STMF-125 personnes) conçoit, développe et qualifie les logiciels de simulation de la thermohydraulique et de la mécanique des fluides pour les réacteurs et installations nucléaires aux différentes échelles ; conçoit et réalise des programmes expérimentaux en support à la compréhension des phénomènes et à la validation des modèles physiques implantés dans les logiciels ; réalise les études et expertises qui lui sont confiées pour des applications nucléaires et quelques- unes hors nucléaire dans le domaine énergétique.

Domaine

Mathématiques, information  scientifique, logiciel

Contrat

Stage

Intitulé de l'offre

Etude des mécanismes d'ébullition par Machine Learning appliqué à des vidéos infrarouges H/F

Sujet de stage

Etude des mécanismes d'ébullition par Machine Learning appliqué à des vidéos infrarouges

Durée du contrat (en mois)

6

Description de l'offre

Contexte

Les réacteurs expérimentaux de type piscine sont utilisés pour des tests de matériaux sous irradiation ou encore pour la production de radio-isotopes. En cas d'insertion accidentelle de réactivité dans le cœur d'un tel réacteur, la puissance peut augmenter exponentiellement, avec un temps caractéristique de l'ordre de la dizaine de millisecondes. Le réacteur va alors passer par différents régimes de transferts thermiques : monophasique, déclenchement de l'ébullition puis ébullition nucléée. Si les mécanismes de régulation neutronique échouent à contrôler une augmentation soudaine de la puissance, une crise d'ébullition peut survenir, menant potentiellement à la fonte du combustible. Comprendre ces dynamiques en transitoire rapide est essentiel pour la sûreté nucléaire.

Un partenariat entre le CEA et le MIT a permis de développer un dispositif expérimental avec des méthodes de thermographie infrarouge d'une grande qualité. Celui-ci permet de mesurer le champ de température de la paroi chauffante ainsi que le flux de chaleur transmis à l'eau. Des campagnes d'expériences ont alors étudié les différents régimes de transfert thermique lors de transitoires rapides pour différentes conditions thermo-hydrauliques. Une grande quantité de données expérimentales ont alors été produites sous forme de vidéos de thermographie infrarouge.

L'analyse de ces données expérimentales représente un intérêt potentiel pour la modélisation, la simulation, voire la compréhension de ces phénomènes fortement non-linéaires. Les méthodes d'apprentissage statistiques offrent des outils performants pour conduire ce type d'analyse. En particulier, recament la méthode SINDy (Sparse Identification of Non-linear Dynamics) a été développée dans l'objectif d'extraire la dynamique d'un système sous forme d'équations différentielles à l'aide d'une régression parcimonieuse de type Lasso sur une base de fonctions adaptée au problème. La grande dimensionnalité des données vidéos peut également conduire à déployer une étape d'apprentissage non supervisé par réseaux de neurones autoencodeurs. La construction d'un système dynamique simplifié avec la méthode SINDy pourrait amener des éléments pour guider la modélisation dans le cadre des phénomènes de crise d'ébullition.

Objectifs

L'objectif de ce stage est de développer un modèle permettant de caractériser les mécanismes d'échanges thermiques jusqu'à la crise d'ébullition en appliquant la méthode SINDy aux vidéos de thermographie infrarouge. Le programme de travail s'articulera de la façon suivante :

- Prise en main de la méthode SINDy
- Mise en place des préprocesseurs (auto-encodeur, préparation d'un pipeline de traitement de données)
- Réalisation des calculs d'apprentissage machine (entrainement et validation, optimisation des hyper paramètres)
- Analyse des résultats et application à l'identification d'une équation aux dérivées partielles régissant la dynamique de l'ébullition à partir de vidéos infrarouges

Profil du candidat

Intelligence artificielle, programmation en python, sens physique. Des connaissances en mécanique des fluides et transfert thermique et une expérience avec l'environnement UNIX seraient appréciées.

Site

Saclay

Localisation du poste

France, Ile-de-France, Essonne (91)

Ville

Gif-sur-Yvette

Critères candidat
Langues

Français (Bilingue)

Diplôme préparé

Bac+5 - Diplôme École d'ingénieurs

Formation recommandée

Intelligence artificielle/science des données ou mécanique des fluides

Possibilité de poursuite en thèse

Non

Disponibilité du poste

12/02/2024

---