Titre : Méta-modélisation introspective pour l’analyse des phénomènes physiques simulés. Formalisation dans le cadre du co-krigeage et intégration algorithmique en optimisation et inversion
Début de thèse : 2014
Fin de thèse : 2020
Résumé : L’objectif de la thèse est d’améliorer des algorithmes actuellement utilisés pour aider les experts en sûreté à analyser les réponses des simulateurs numériques de phénomènes physiques.
Les simulations étant coûteuses, les algorithmes considérés construisent des plans d’expériences de manière itérative, grâce à des métamodèles capables de prédire les résultats des simulations. On s’intéresse en particulier aux simulations produites par des chaînes de calcul (enchaînement séquentiel de plusieurs codes de calculs distincts).
Les informations produites par les premiers codes permettent une analyse dite « introspective » de la grandeur finale.
Dans un premier temps, nous travaillons sur les différents métamodèles introspectifs admissibles, qui traitent les résultats comme une fonction à plusieurs sorties.
Nous étudions ainsi les différentes formes de cokrigeage et proposons une amélioration au problème de l’optimisation de ses hyperparamètres. Nous développons également un autre métamodèle introspectif, l’hyperkrigeage. Nous faisons ensuite une comparaison des performances prédictives de ces métamodèles.
Dans un second temps, nous travaillons sur les algorithmes.
Un premier algorithme d’optimisation, appelé « Step or Stop Optimization », prenant en compte les spécificités du cas introspectif, est développé. Il permet de ne pas poursuivre des calculs si les premières étapes n’y encouragent pas.
Des comparaisons avec l’algorithme actuel tendent à confirmer une économie importante des ressources de calcul grâce à la meilleure prise en compte de la physique intermédiaire de la simulation. La stratégie utilisée dans cet algorithme peut être généralisée, et étendue à des problématiques autres que l’optimisation.
Mots clés : krigeage, cokrigeage, processus gaussien, optimisation, simulations numériques, multifidélité, chaîne de calcul, plan séquentiel
Soutenance : 22 octobre 2020
Directeur de thèse :
- Rodolphe Le Riche : Directeur de recherche, Mines Saint-Étienne, CNRS, LIMOS
Partenariat : Institut de Radioprotection et de Sûreté Nucléaire (IRSN)
Télécharger la thèse :
Publications
- L'objectif de la thèse est d’améliorer des algorithmes actuellement utilisés en assistance aux expertises de sûreté pour analyser la réponse d’un code de calcul simulant un phénomène physique. Les simulations étant coûteuses, les algorithmes utilisés construisent des plans d’expériences de manière itérative, grâce à des métamodèles capables de prédire les résultats des simulations. On s’intéresse […]
- Multi-fidelity models aim at combining models of different fidelities to achieve the desired accuracy at a lower computational cost. In Section 8.2, the connection between MDO, multi-fidelity and cokriging is made through a review of past works and system representations of code architectures. Then, the rest of this Chapter is divided into two main parts. […]
Actualités
- Nicolas Garland, doctorant de l’Institut Henri Fayol a soutenu sa thèse en octobre 2020. Il vous propose de découvrir ses travaux en vidéo et en alexandrins. Une présentation rigoureuse et à la fois poétique. Son sujet concerne l’Intelligence Artificielle abordée … Lire la Suite →