Doctorant en mathématiques appliquées ou mécanique/physique à forte composante numérique - H/F

Ces travaux de thèse s'inscrivent dans une collaboration avec le LEMTA (UMR 7563 - Université de Lorraine) et l'ASNR (Autorité de Sûreté Nucléaire et de la Radioprotection) et portent sur la reconstruction de champs et l'identification de sources dans les écoulements de polluants en milieu ventilé par apprentissage profond informé par la physique.

Cette thèse offre l'opportunité de travailler à l'interface entre mécanique des fluides, mathématiques appliquées et apprentissage profond, avec des retombées directes en évaluation de l'exposition professionnelle, optimisation de la ventilation et radioprotection.

Les principaux objectifs sont :

• Reconstruire un champ 3D de concentration à partir de mesures éparses en imposant la contrainte EDP; quantifier l’influence du nombre et du placement des capteurs sur la qualité de reconstruction.
• Formuler et résoudre le problème inverse d’identification de source couplé à la reconstruction de champ.
• Développer le pipeline surrogat–inversion pour l’identification de source en temps réel.
• Valider l’ensemble sur données expérimentales réelles (enceinte ventilée INRS/ASNR).

Compétences exigées :

• solides bases en équations aux dérivées partielles en analyse numérique,
• optimisation et/ou méthodes inverses,
• mécaniques des fluides ou méthodes spectrales,
• programmation scientifique Python (NumPy, PyTorch),
• pratique de l'apprentissage profond,
• aisance à travailler à l'interface mathématiques-physique-calcul numérique.

Compétences appréciées :

• connaissance des méthodes d'assimilation de données,
• expérience avec les opérateurs neuronaux ou les méthodes de réduction de modèle,
• traitement de données expérimentales.

• Esprit d'équipe,
• Curiosité scientifique,
• Rigueur.