Objectifs de la chaire

L’apprentissage automatique scientifique a élargi les capacités des approches numériques traditionnelles en simplifiant la modélisation informatique et en fournissant des substituts rentables. Cependant, les substituts SciML souffrent de l’absence de contrôle d’erreur explicite, d’une phase d’apprentissage intensive en termes de calcul et d’un manque de fiabilité dans la pratique.

La chaire HAILSED vise à relever ces défis en (1) développant de nouveaux types de substituts SciML, dont l’architecture intègre explicitement les contraintes physiques et géométriques, et dont l’erreur de validation peut être contrôlée a posteriori,

Principal investigator

  • Alena Kopaničáková (Toulouse-INP/IRIT, Toulouse, France; Università della Svizzera italiana, Lugano, Switzerland)

(2) en développant de nouveaux algorithmes d’apprentissage, qui s’appuient sur des approches basées sur la décomposition du domaine et qui utilisent le parallélisme des modèles, (3) l’hybridation des substituts SciML avec des méthodes de résolution numérique de pointe, ce qui sera réalisé en développant des méthodes non linéaires de division de champ et de décomposition de domaine équipées d’IA et des stratégies de préconditionnement basées sur la décomposition de domaine.

Co-chair

La mise en œuvre réussie des méthodologies proposées ouvrira la voie à des solutions efficaces et contrôlées d’erreurs à des problèmes multi-physiques et multi-échelles à grande échelle en combinant efficacement l’efficacité des substituts SciML avec la précision et la fiabilité des approches numériques standard.

Il s’agit d’une nécessité absolue si l’on veut appliquer les approches SciML à des applications industrielles réelles dans un avenir proche.

Le projet de cette chairee est réalisé en collaboration avec des partenaires académiques de l’EPFL (Suisse), de l’Università della Svizzera Italiana (Suisse), KAUST (Arabie Saoudite) et des Sandia National Laboratories (États-Unis). Par ailleurs, les entreprises AIRBUS, VITESCO, et LIEBHERR ont déjà manifesté leur intérêt pour les sujets proposés par la chaire.

Ne manquez rien !

Inscrivez-vous pour recevoir l'actualité d'ANITI chaque mois.

Nous n’envoyons pas de messages indésirables !

fr_FRFrench