Thèse CIFRE : Deep PDE Surrogates and Inverse Problems for Industrial Applications

Cette offre de thèse CIFRE porte sur le développement de méta-modèles basés sur l'intelligence artificielle pour des applications industrielles, notamment dans le cadre des jumeaux numériques. L'objectif est de créer des surrogates de solveurs d'équations aux dérivées partielles (PDE) à faible coût computationnel en utilisant des techniques d'apprentissage automatique, tout en intégrant des données issues de capteurs industriels. La thèse se concentrera sur deux axes principaux : la construction de méta-modèles neuronaux pour simuler des phénomènes physiques et la résolution de problèmes inverses pour calibrer ces modèles à partir de données réelles. Les applications industrielles visées incluent les machines électriques, comme les alternateurs de centrales électriques, et la sismologie. Les travaux s'inscrivent dans un contexte collaboratif entre EDF Lab Paris-Saclay et les équipes Inria Grenoble (Statify et Datamove), avec un accent sur la publication des résultats dans des conférences et revues internationales.