Modélisation par apprentissage automatique des dynamos turbulentes – MilaDy

La magnétohydrodynamique (MHD) étudie les interactions entre les fluides électriquement conducteurs et les champs magnétiques, essentielles pour des applications industrielles et la compréhension de phénomènes comme l'effet dynamo (DyE). Ce dernier implique l'amplification de bruits magnétiques dans des fluides turbulents, comme dans les étoiles ou les noyaux planétaires, ce qui le rend rare et complexe à reproduire. Seules trois expériences, dont celle de Cadarache en France, ont réussi à obtenir un DyE avec du sodium liquide. L'expérience DRESDYN en cours en Allemagne vise à reproduire le DyE à l'aide d'un cylindre en précession.
La simulation du DyE est difficile en raison du couplage non linéaire entre les équations de Navier-Stokes et l'équation d'induction, rendant les simulations numériques directes (DNS) très coûteuses en temps calcul. Les modèles réduits (ROM) sont utiles pour simplifier ces simulations, tandis que l'apprentissage automatique (ML) présente un potentiel pour traiter les dynamiques à haute dimension, bien que la capture des événements rares reste un défi. L'assimilation de données (DA) avec ML devient plus accessible, notamment grâce à la plateforme TorchDA.
MilaDy vise à faire progresser la recherche en MHD avec deux objectifs principaux : (i) Étudier les inversions de champ magnétique et les phénomènes de dynamo « explosive » grâce à des méthodes basées sur les données pour identifier les caractéristiques clés et développer des ROMs qui reproduisent les dynamiques observées. Le projet étudie si le ML peut améliorer la compréhension des inversions magnétiques et créer des modèles plus rapides qui identifient les phases comme le précurseur, l'inversion et le rebond. (ii) Optimiser le dispositif DRESDYN avec des ROMs paramétriques pour explorer les conditions du DyE, telles que les ratios de fréquences précession/rotation. Les ROMs permettent une exploration efficace des paramètres, aidant les expérimentateurs à gérer ces systèmes complexes.