Recherche Mes activités de recherchent se focalisent sur la modélisation numérique des phénomènes de la mécanique et des procédés. La mécanique numérique est une discipline mure et il est possible, moyennant des puissances de calcul importantes de modéliser la plupart des systèmes rencontrés en ingéniérie. Je m'intéresse tout particulièrement à la réduction de ces coups de calcul sur 3 axes: réduction de données par des méthodes linéaires (SVD,...) et non linéréaires (IA / Apprentissage automatique) ce qui permet de péréniser le stockage et de rafiner les données stockées réduction de modèle : l'un des co-produits de la réduction de données est la création de bases réduites qui nous permettent de créer des modèles basés sur la physique (type POD-G) qui coutent des centaines ou des milliers de fois moins cher à exécuter. Cela ouvre la voie à de nouveaux traitements modèles de substitution (data-driven): Cette fois-ci, la physique n'est pas nécessaires, on estime qu'elle est déjà présente dans les données que nous utilisons pour créer ces nouveaux modèles. On peut alors utiliser des approches analytiques principalement basées sur l'algèbre linéaire et dont le comportement est bien décrit par les mathématiques. L'autre option est d'embrasser la puissance des modèles IA (apprentissage profond, etc.) pour capturer la complexité des phénomènes ou procédés (non-linéaires) étudiés. Le développement de tels modèles est généralement justifié par des applications en mécanique ou en ingéniérie des procédés. Par exemple, nous travaillons sur: La compréhensions des phénomènes d'instabilité de Rayleigh-Taylor Les procédés de soudure et de fabrication additive par arc (WAAM) Dans les deux cas, les phénomènes sont extrêmement complexes, ce qui offrent de nombreux vérrous scientifiques à débloquer avant de pouvoir réduire la complexité!
Mots-clés Génie industriel Sustainability Optimization Hydrodynamique, Énergétique et Environnement Atmosphérique Applied Mathematics CFD Simulation High Performance Computing Matériaux & composites Computational Mechanics Manufacturing Process Mechanics Mechanical Engineering Process Modeling Mathématiques Data Analysis Machine Learning Numerical Analysis Numerical Modeling Procédés de fabrication & fabrication additive 3D Printing Simulation numérique & calcul hautes performances Applied Mathematics Computational Fluid Dynamics High Performance Computing Parallel and Distributed Computing
Parcours Parcours 2018 : Doctorat en mécanique Université de Bordeaux 2019-2020 : Post-doctorat Nanyang Technological University (Math Dpt) 2020-2021: Scientist A*Star, IHPC 2022-: Maitre de conférences ECN Enseignement Enseignement Rataché au département Math-Info-Bio, j'enseigne l'informatique: ALGOR INFO(II,IV,V) BDD , SIINF DATAVIZ PAPY (Advanced Python) Publications Publications
