Stagiaire - Méthodes numériques avancées pour l’optimisation multi-disciplinaire - MDO (H/F)

À propos de IRT Saint Exupéry

L’Institut de Recherche Technologique (IRT) Saint Exupéry est un accélérateur de science, de recherche technologique et de transfert vers les industries de l’aéronautique et du spatial pour le développement de solutions innovantes sûres, robustes, certifiables et durables.

Nous proposons sur nos sites de Toulouse, Bordeaux, Sophia Antipolis et Montréal un environnement collaboratif intégré composé d’ingénieurs, chercheurs, experts et doctorants issus des milieux industriels et académiques pour des projets de recherche et des prestations de R&T adossés à des plateformes technologiques autour de 4 axes : les technologies de fabrication avancées, les technologies plus vertes, les méthodes & outils pour le développement des systèmes complexes et les technologies intelligentes.

Nos technologies développées répondent aux besoins de l'industrie, en intégrant les résultats de la recherche académique.

 3 raisons de nous rejoindre

• Prendre part à des projets de recherche innovants, au service de la recherche technologique française et au profit de l'industrie implantée sur le territoire national et européen.

• Vivre sa passion pour la technologie, se donner la liberté d’innover et développant son esprit pionnier et d’équipe !

• Evoluer dans un environnement collaboratif intégré et multiculturel, en travaillant aux côtés des collaborateurs issus de la recherche académique ou de l’industrie: chercheurs, doctorants, ingénieurs, techniciens, etc.

Visitez en 360° nos plateformes technologiques sur Toulouse : https://storage.net-fs.com/hosting/6834310/4/

Au sein du domaine Méthodes et Outils pour les Systèmes Complexes, le centre de compétence MDO (Multidisciplinary Design Optimization) développe depuis 2015 un logiciel libre GEMSEO (www.gemseo.org) à destination des industriels, académiques et universitaires. Cette librairie Python capitalise des méthodes numériques pour la résolution efficace de problèmes d’optimisation multidisciplinaire où il s’agit de trouver des concepts optimaux, ceci à partir d’un couplage de modèles, appelés disciplines (e.g. aérodynamique, structure, acoustique, économique, écologique, …). Ce système couplé associe à un concept donné un coût à minimiser (par exemple un coût de construction ou un coût d’exploitation) et des contraintes à respecter (par exemple des contraintes de charges maximales admissibles données, un niveau sonore limite).

Les problèmes industriels rencontrés étant généralement complexes et en grande dimension, il est crucial de développer des méthodes et des architectures d’optimisation capable de traités de tel problèmes en un temps raisonnable. Dans cette optique, les approches multi-fidélités sont récemment devenues populaires en MDO : elles visent à optimiser un modèle dit haute-fidélité (jugée suffisamment précis pour l’application mais ayant un coût de calcul prohibitif) a l’aide d’un, ou plusieurs, modèles basses-fidélités (à faible coût de calcul mais précisions moindre) afin d’obtenir la solution désirée en un temps jugé suffisamment cours.

Malheureusement, si la littérature traitant de l’optimisation multi-fidélité est abondante, ce n’est hélas pas le cas pour les questions spécifiques à la MDO. En particulier, la MDO fait face à une explosion combinatoire du nombre de modèles basses-fidélités envisageables et la question du nombre et du choix des modèles à considérés, bien que cruciale pour l’établissement d’un processus de calcul efficace, est encore une question ouverte.

Dans la continuité des travaux effectuées par WU, Neil, MADER, Charles A., et MARTINS, Joaquim RRA. (2022), nous souhaiterions développer des critères de d’estimation d’erreur efficace permettant la rapide hiérarchisation de modèles sur des critères de coûts et d’erreurs. Des critères de sensibilité ont ainsi été développés dans le logiciel GEMSEO permettant d’évaluer l’impact de la prise en compte ou non d’une discipline ou d’un couplage dans la résolution d’un problème MDO. Une attention toute particulière sera portée sur un critère d’estimation utilisant l’adjoint couplé en tant qu’estimateur d’erreur.

 Ainsi, la/le stagiaire, au sein de l’équipe de développement, sera en charge :

• de se former à la MDO, à la multi-fidélité, et aux problématiques spécifiques associées.

• de prendre en main les critères déjà existants, et/ou d’en proposer de nouveaux en lien avec la littérature et de les implémenter dans GEMSEO.

• d’étudier le temps de calcul de ces critères avec le nombre de modèles à dispositions.  

• d’appliquer ces critères à un cas test industriel, dans le cadre d’un framework d’optimisation multi-fidélité basé sur un algorithme de régions de confiance récursif déjà implémenté dans GEMSEO. On vérifiera l’efficacité d’une telle démarche dans l’obtention de l’optimum attendu en un temps moindre. On pourra, si le temps le permet, faire varier le nombre de fidélités retenus et mesurer l’impact sur la vitesse de convergence.

Etudiant(e) en dernière année d’école d’Ingénieur ou Master 2, vous disposez de connaissances en mathématiques appliquées, calcul scientifique, optimisation et développement Python.

Vous disposez également d'un bon niveau d’anglais (aussi bien à l’oral qu’à l’écrit).

D’autre part, vous devrez faites preuve d’ouverture d’esprit, de rigueur, de force de proposition et vous portez un intérêt à la recherche scientifique.