Cerfacs Enter the world of high performance ...

Hydrogen-based and AI-assisted turbulent combustion models for sustainable helicopter aircraft engines

 

Required Education : M2 ou équivalent
Start date : 1 October 2021
Mission duration : 36 mois
Deadline for applications : 1 September 2021
Salary : 2450 € bruts mensuels

Contexte

Le Centre Européen de Recherche et de Formation Avancée en Calcul Scientifique (CERFACS) travaille à la résolution, par la modélisation et la simulation numérique, des problèmes scientifiques nécessitant le recours aux moyens de calcul les plus puissants. Il associe de manière interdisciplinaire, pour la recherche comme pour la formation avancée, des physiciens, des mathématiciens appliqués, des numériciens et des ingénieurs. Toutes les informations relatives au Cerfacs peuvent être consultées sur le site internet https://www.cerfacs.fr.

Le CERFACS appartient au centre d’excellence (CoE) européen RAISE: *Research on AI- and Simulation-Based Engineering at Exascale*. Il y joue le rôle d’explorer l’apport des techniques d’apprentissage machine (et spécifiquement du deep learning) aux simulations numériques de grande ampleur, en partenariat étroit avec Safran HE, Atos-Bull, et University of Iceland. En effet, l’essor des techniques d’apprentissage dans le domaine des données massives n’a pas encore pris sa forme finale dans sa capacité à assister les outils d’ingéniérie, notamment dans le contexte du calcul scientifique. Ce centre d’excellence vise à identifier les verrous à cette adoption, et les adresser sur un ensemble de cas d’usage, afin d’établir des guides et de créer des outils facilitant ce processus à l’avenir.

L’expertise du CERFACS intervient sur une thématique en plein essor : la combustion de l’hydrogène. Les objectifs de décarbonation de l’industrie, notamment aéronautique, requièrent d’explorer la piste de l’emploi d’hydrogène dans les moteurs. Or, les flammes d’hydrogène ont un comportement bien différent de celles d’hydrocarbures classiques, et elles sont notamment beaucoup plus fines. Cela implique une plus grande étendue d’échelles dynamiques dans les moteurs, hors de portée pour les maillages actuels. Les modèles de combustion turbulente permettent de contourner en partie ce problème, mais ils sont limités dans leur capacité à représenter la physique sous-jacent et non résolue. Divers travaux récent suggèrent que des méthodes basées sur la donnée sont capables d’atteindre de meilleures performances que les modèles de la littérature. En revanche, l’exploitation de ces techniques (notamment le deep learning) dans le contexte HPC et d’un solveur physique pose d’importants défis qu’il faut également adresser.

Cette thèse se fera dans le cadre de l’école doctorale MEGEP, et sera basée au CERFACS. Des interactions auront lieu notamment avec SAFRAN HE, partenaire privilégié du CERFACS, qui sera impliqué dans le suivi des travaux.

Description

Ce travail s'effectuera en étroite collaboration avec les partenaires du CoE. En se basant sur des travaux antérieurs réalisés au CERFACS, l’objectif est de mettre en place une méthodologie permettant d’exploiter les atouts du deep learning pour améliorer les modèles de combustion turbulente, en vue de réaliser des simulations de chambre de turbine d’hélicoptère avec adjonction d’hydrogène.

Tout d’abord, il s’agira de travailler avec l’équipe combustion sur la stratégie de modélisation de la cinétique de la combustion de l’hydrogène. Un modèle satisfaisant permettant de réaliser des DNS devra être mis en oeuvre, ouvrant la voie à la réalisation d’une base de données permettant ensuite de réaliser des apprentissages avec les approches basées sur la donnée. Ensuite, cette base de données devra être préparée pour constituer une tâche d’apprentissage compatible avec les contraintes de la modélisation de la combustion turbulente dans le solveur de combustion LES du CERFACS, AVBP. Ensuite, des apprentissages seront réalisés, et validés a priori par rapport aux données DNS, tout en les comparant aux modèles de la littérature. Enfin, l’emploi du solveur expérimental AVBP-DL, dont le développement aura lieu au cours du projet par d’autres contributeurs au CERFACS et chez les partenaires, sera fait pour valider la stratégie a posteriori, et réaliser des calculs de chambre réaliste avec SAFRAN HE.

Candidat.e recherché.e

Dimplômé d’un M2 recherche (ou double diplôme avec une école d’ingénieur), avec un cursus en énergétique, des bases en mécanique des fluides, et en technique de résolution numérique d’équations différentielles. Un cours de combustion dans le parcours sera un plus. Une pratique de Linux, Python, Fortran seront également appréciées.

Contacts
– Thierry Poinsot: poinsot@cerfacs.fr
– Corentin Lapeyre: lapeyre@cerfacs.fr

bool(true)