Title : Physics-informed Machine Learning for Computational Fluid Dynamics
Début de thèse : 09/12/2024
Fin de thèse :08/12/2027
Abstract: To investigate the possibility of integrating learning models as part of the CFD workflow. Traditional numerical solvers come with a high computaional cost. The goal is to design surrogate models to approximate solutions to PDEs faster. To facilitate this problem, we employ, physics-informed machine learning models which have both a data-driven component, as well as, a PDE component to adhere to solutions that make sense in the framework of the physical system.
Our work is in the context of, but not limited to, approximating flow fields around automotive vehicles. This is particularly challenging because we aim to account for the effect of changing, parametrized shape. More formally, it translates to, solving boundary-value-problems with a changing boundary.
Keywords: Machine learning, partial differential equations, physics-informed learning, surrogate modelling, computational fluid dynamics
Date de soutenance prévue : —
Encadrement :
- Directeur de thèse : Didier Rulliere, Mines Saint-Étienne
Partenaires ou/et Financeurs :
Stellantis
Objectifs de développement durable concernés :
Publications
- Approximation of functions satisfying partial dierential equations is paramount for simulation of physical uid ows and other problems in physics. Recent studies related to physics-informed machine learning [1] have proven useful as a data-driven complement to numerical models for Partial Dierential Equations (PDEs). However, their eciency and convergence depend on the availability of vast training […]
- Approximation of functions satisfying partial dierential equations is paramount for simulation of physical uid ows and other problems in physics. Recent studies related to physics-informed machine learning [1] have proven useful as a data-driven complement to numerical models for Partial Dierential Equations (PDEs). However, their eciency and convergence depend on the availability of vast training […]
- Many situations lead to sparse data or uncertain data. Gaussian processes (GPs) offer a mathematically funded framework for learning, optimizing, and other decision-making activities. This poster, presented at the HCERES* audit of the LIMOS laboratory in 2025, summarizes several contributions of the St-Etienne applied mathematics team of the LIMOS made between 2023 and 2025. * […]
- The problem of estimating fluid flow around obstacles has a wide range of applications such as airfoil design in aerospace engineering [6] car shape optimization or the design of combustion engine (where the flow is internal) in the in automotive engineering [1], the control of processes in the food industry [13], the understanding of bacterial […]
- […]
- […]
Publications
- Magdalena Potz, enseignante-chercheure à l’Institut Fayol, membre du laboratoire COACTIS, a pris part à la journée d’étude « Organisations en transition : s’adapter, innover et se transformer », organisée par PPA Business School et le laboratoire GReMog Research by PPA sur le campus Sciences-U Lyon. Chercheurs, … Lire la Suite →
- Victor Trappler, enseignant-chercheur à l’Institut Fayol et membre du laboratoire LIMOS, a participé à l’école ASQUIOM (Analyse de Sensibilité, QUantification des Incertitudes et Optimisation des Modèles numériques), organisée du 15 au 19 juin 2026 à l’École Centrale de Lyon par … Lire la Suite →
- Vendredi 26 juin 2026, l’École des Mines de Saint-Étienne a accueilli la Journée au vert COACTIS IA, une journée dédiée à l’utilisation des IA génératives dans la recherche. Cet événement a réuni chercheurs et chercheuses pour échanger sur les enjeux, … Lire la Suite →
- Jean-Philippe Toppia, doctorant en sciences de gestion au sein du laboratoire Coactis, a soutenu sa thèse le 29 juin 2026 à l’Université Jean Monnet de Saint-Etienne. Le manuscrit de thèse s’intitule « Responsabilité Numérique des Entreprises et tensions de rôle … Lire la Suite →
- Sandrine Berger-Douce, enseignante-chercheure et membre du laboratoire Coactis, a participé au jury de thèse de M. Jean-Alain Jonik, le 25 juin 2026 à l’Université de Bordeaux. Le manuscrit de thèse s’intitule « Services fonctionnels et Responsabilité Sociétale d’Entreprise: Un appui … Lire la Suite →
- Le 24 juin 2026, Magdalena Potz, enseignante-chercheure à l’Institut Fayol et membre du laboratoire COACTIS, a participé à la Matinale sur l’acceptabilité sociale des projets d’énergies renouvelables et agricoles, organisée par GRDF Drôme Ardèche, le Territoire d’Énergie Drôme et la Chambre d’Agriculture de la Drôme. Cet événement, qui s’est … Lire la Suite →
- Une réunion de travail du projet #MACMIA (Massification des Métiers et des Compétences de l’Intelligence Artificielle) s’est tenue cette semaine à La Rotonde – Centre de Sciences. Pour l’Institut Fayol, Olivier Boissier et Antoine Zimmermann, enseignants-chercheurs, ont participé à cet … Lire la Suite →
- Natacha Gondran, professeure à Mines Saint-Étienne et membre de l’UMR 5600 Environnement Ville Société, a été invitée hier dans la matinale d’ICI Saint-Étienne pour expliquer les liens entre l’épisode de canicule actuel et les limites planétaires comme notamment le cycle … Lire la Suite →
- En ce début juin 2026, quatre doctorants de l’Institut Fayol – Josué Madama Malende, Fréddy Djondo, Maryline Le Goff et Maxime Machurat – ont eu le plaisir de participer à deux événements majeurs organisés par le laboratoire EVS (UMR 5600 … Lire la Suite →
- Les 57èmes Journées de Statistique de la SFdS se sont tenues du 1er au 5 juin 2026 sur le campus des Cézeaux de l’Université Clermont Auvergne. Charbel Al Tannoury, ingénieur de recherche et Anis Hoayek, enseignant chercheur à l’Institut Fayol … Lire la Suite →