Projets financés
Réseaux de fonctions composées: apprentissage adaptatif pour l'approximation en grande dimension et la quantification d'incertitudes – COFNET
Les problèmes d'approximation en grande dimension se rencontrent dans tous les domaines du calcul scientifique et de la science des données, et notamment la résolution d’équations aux dérivées partielles (EDP), l’apprentissage statistique et la quantification d’incertitudes. Avec le succès récent de
Apprentissage Automatique pour la construction de modèles réduits issus du cinétique – Milk
Les modèles cinétiques sont des descriptions précises de particules physique en interaction. Toutefois, la résolution numérique est souvent lourde, car ils sont définis dans l'espace de phase position-vitesse à grande dimension et impliquent une dynamique à plusieurs échelles. Pour cette raison, des
Simulations Monte-Carlo pour la Météorologie et la Climatologie – MC2
L'objectif du projet MC2 est de développer et de valider de nouvelles méthodes numériques qui captent précisément et efficacement l'effet de la complexité urbaine dans des simulations d’écoulements turbulents couplés aux transferts de chaleur pour les services météorologiques et climatiques. Ces nou
Processing-in-Memory pour la génomique – GenoPIM
Le séquençage haut débit représente aujourd'hui une technologie indispensable pour la plupart des applications génomiques. Celles-ci ont d’ores et déjà un fort impact sur la recherche et l'utilisation clinique. Le séquençage massif de génomes, par exemple, fait désormais partie de la médecine préven
Caractérisation statistique de systèmes complexes multi-échelle avec théorie de l'information – SCALES
Dans la nature, un grand nombre de systèmes et processus présentent des structures et comportements non-linéaires et multi-échelle. Ces systèmes sont considérés comme des systèmes complexes. Dû à ces propriétés, les modèles qui cherchent à décrire ou prédire le comportement des systèmes complexes on
Méthodes d'éléments finis discontinus de type Galerkin spécifiques pour la propagation des ondes en régime harmonique – WavesDG
La simulation numérique des phénomènes de propagation d’ondes est largement utilisée dans l’étude de problèmes sociétaux/industriels importants, tels que la réduction des nuisances sonores dues aux avions, les analyses de compatibilité électromagnétique, ou l’évaluation de risques sismiques. Lorsqu'
Contrôle optimal par renforcement des écoulements – REASON
Les besoins environnementaux nourrissent l'effort de recherche dans de nombreux domaines de l'ingénierie comme par exemple sur la réduction des émissions de CO2, largement considérées comme une des causes principales du réchauffement climatique. Cette urgence s'étend à de nombreuses applications, co
Réduction de modèle et de données pour l'assimilation efficace – MODENA
La fiabilité des modèles numériques repose sur notre capacité à calibrer les paramètres méconnus du modèle à partir de données observables. L'assimilation de données est particulièrement difficile pour les modèles d'océan à cause de la complexité des modèles et de la grande dimension des paramètres
Visualisation in-situ de maillages non-structurés complexes issus de simulation numériques – LUM-Vis
La puissance de calcul des superordinateurs contribue aux découvertes scientifiques dans de nombreux domaines. A mesure de son augmentation, les scientifiques tentent de résoudre des problèmes plus vastes et plus complexes. La quantité et la complexité des données que les simulations numériques génè
Simulation globale des marées de tempêtes océaniques à grande échelle – LAGOON
Les zones côtières hébergent environ 10% de la population mondiale ainsi qu'une grande partie de l'activité économique. On s'attend à ce que le changement climatique augmente les risques d'inondations dans les années à venir. Dans ce projet, nous proposons de développer un outil numérique pour la pr
Prédiction améliorée de l’écoulement proche paroi en combinant la méthode aux frontières immergées avec l'assimilation des données – IWP-IBM-DA
En raison des ressources toujours croissantes disponibles aux centres de calcul, les analyses des écoulements complexes deviennent une réalité établie. Ainsi, l’élaboration de stratégies numériques fiables et capables de fournir une représentation précise des problèmes multiphysiques est un défi cen
Méthodes numériques pour l’aide à la décision : préférences dynamiques et risques multivariés – DREAMES
En présence de changements brutaux (crise financière ou épidémies) ou à long terme (environnementaux ou démographiques), il faut utiliser des outils dynamiques pour détecter ces changements à partir de données observables et pour réestimer les modèles et les paramètres de quantification des risques,
Outil d’aide à la décision pour la conception robuste de structures méta-composites adaptatives – ASTRIA
Les matériaux adaptatifs possèdent des propriétés additionnelles de perception ou d’actionnement par rapport aux matériaux classiques. Les composites sont des matériaux clés pour de nombreux domaines (transport, aéronautique, énergies renouvelables, …). Leur combinaison permet l’émergence de matéria
Analyse des tolérances avec les probabilités imprécises – TRIP
L’analyse des tolérances est utilisée par les concepteurs pour prendre en compte les incertitudes inévitables lors de la fabrication de composants mécaniques tout en garantissant que les exigences de de qualité sont respectées. Cependant, les informations disponibles lors de la conception sont impré
Prévision probabiliste des évènements extrêmes avec une approche hybride physique/IA – POESY
Le projet POESY vise à améliorer la prévision probabiliste des phénomènes météorologiques à fort impact (HIW), avec une approche innovante combinant la modélisation physique classique et des méthodes d’Intelligence Artificielle (IA). Les prévisions probabilistes actuelles prennent la forme de petits
