Réseaux de neurones guidés par la physique pour la turbulence océanique – PINOT

Le projet a pour objectif d’améliorer notre compréhension de la turbulence océanique grâce au développement et à l'application de réseaux de neurones guidés par la physique (PINNs). Nous considérons que les PINNs représentent une approche originale et prometteuse pour reconstruire des champs océaniques en 3D (vitesse, température) à partir de données éparses et hétérogènes, tout en respectant les contraintes physiques dictées par les équations de la mécanique des fluides. Bien que les PINNs aient été appliqués avec succès à des simulations à petite échelle, leur capacité à reconstruire des écoulements chaotiques réalistes à multi-échelles reste à démontrer. À notre connaissance, aucune application à la dynamique océanique n’a encore été proposée. Ce projet combinera l’utilisation d’une hiérarchie de modèles océaniques avec de nouvelles techniques d'apprentissage automatique, dans le but de rendre les PINNs performants pour la modélisation océanique multi-échelle. Nous démontrerons comment les mesures de hauteur de surface d’eau provenant du satellite SWOT peuvent être efficacement intégrées aux données des flotteurs ARGO pour reconstruire des champs océaniques en 3D. Nous optimiserons l'architecture du réseau pour garantir une utilisation efficace des PINNs dans ce contexte. Enfin, nous appliquerons ces techniques pour identifier des modèles dynamiques optimaux représentant les rétroactions de la turbulence à petite échelle sur les mouvements à plus grande échelle, un enjeu clé dans la modélisation climatique.