Exemple d'un jumeau numérique multiparamétrique pour le soudage (Th de Y. LU, chaire AREVA-SAFRAN-LAMCOS)
 


 

Optimisation topologique multi- chelle (Th de T. DJOURACHKOVITCH)

La Mécanique Computationnelle Directe traditionnellement utilisée par les scientifiques et ingénieurs atteint ses limites pour une grande partie des problématiques scientifiques et exigences industrielles actuelles (modèles à grande dimension paramétrique, simulation en temps réel, variabilité et propagation d’incertitudes, connaissance partielle des modèles, ..). Face aux complexités algorithmique et numérique, l’équipe MIMIESIS développe des outils numériques innovants en tirant meilleur parti de ce qu’offre les sciences des données. Cette alliance Mécanique Computationnelle/Sciences des données permet de faire face à ces verrous.
Dans ce cadre, l’équipe oriente ses recherches suivant deux axes majeurs :

• Stratégies basées sur les modèles d’ordre réduit (ROM) : avec un paradigme offline-online, les travaux de l’équipe sur l’utilisation de modèles réduits (e.g. la méthode sHOPGD : sparse High Order Proper Orthogonal Gneralized Decomposition) offrent un cadre efficace pour des simulations en temps réel tout en intégrant un grand nombre de paramètres mis en jeu
• Approches sans Modèle : basées sur un paradigme données-simulations, l’équipe mène des travaux pour résoudre numériquement des problèmes aux limites avec ignorance partielle du modèle mathématique explicite

Parmi les développements et travaux menés au sein de l’équipe, on trouve :

• Jumeaux numériques pour les procédés (soudage, Fabrication additive, …)
• Simulation en temps réel pour l’aide à la décision et le pilotage virtuel
• Simulation multi-physique paramétriques et transition des échelles
• Design multi-échelle de matériaux architecturés et matériau sur mesure