NEWMAC — Nouvelle génération de modèles basés sur l'apprentissage automatique pour les calculs aérodynamiques

Dans ce projet, nous étudions de nouvelles méthodologies d'apprentissage automatique pour améliorer les modèles de turbulence pour les applications aéronautiques. En aérodynamique, les modèles actuellement utilisés dans l'industrie sont basés sur des approximations fortes et sont calibrés sur des configurations très simples. Ces modèles présentent de fortes déficiences lorsque ceux-ci sont appliqués sur des écoulements industriels plus complexes. Les techniques d'apprentissage automatique peuvent tirer parti de la richesse des données numériques haute-fidélité et expérimentales (incomplètes) disponibles pour améliorer ces modèles. ONERA / DLR / SAFRAN TECH / ROLLS-ROYCE ont l'intention d'explorer et d’améliorer la méthodologie dite assimilation de données (AD)-apprentissage automatique (ML) introduite récemment par Duraisamy. L'objectif est d'explorer des modèles de turbulence plus sophistiqués, de nouvelles techniques basées sur l'IA pour la régularisation de l'étape AD dans le cas de données de référence incomplètes, des outils pour la sélection des données d'entrée des réseaux ainsi que des nouvelles stratégies d'apprentissage. Ces nouvelles méthodologies seront intégrées dans des plateformes numériques permettant aux codes CFD de tirer parti des techniques basées sur les données. Enfin, les capacités de tels outils seront évaluées sur des configurations industrielles: un avion en configuration hypersustentée et un étage de compression de turbomachine.