Optimisation multi-objectifs de formes aérodynamiques par une approche basée sur l'apprentissage par renforcement
Le projet vise à développer une méthodologie novatrice pour l'optimisation de formes aérodynamiques en utilisant des techniques avancées d'apprentissage par renforcement. Il s’agit d’élaborer des méthodes d'optimisation robustes et efficaces qui peuvent être appliquées à une gamme de problèmes complexes en génie aérospatial, notamment la conception de profils d'ailes, de corps de véhicules aériens et de composants de turbomachines.
La candidate ou le candidat retenu travaillera à la fois sur le développement théorique de l'approche d'optimisation basée sur l'apprentissage par renforcement et sur sa mise en œuvre pratique à travers des simulations numériques. Des collaborations avec des partenaires industriels pourront être envisagées afin de valider les résultats obtenus et d'explorer des applications concrètes dans le domaine de l'aéronautique.
Connaissances requises
- Baccalauréat en génie logiciel, génie mécanique, génie aérospatial ou dans un domaine connexe.
- Compétences en programmation, de préférence en Python, ainsi qu'une familiarité avec les bibliothèques d'apprentissage automatique telles que TensorFlow, PyTorch ou scikit-learn.
- Une expérience préalable avec des techniques d'apprentissage automatique et d'apprentissage par renforcement et une bonne compréhension des concepts d'aérodynamique et d'optimisation seraient un atout.
- Une capacité démontrée à mener des projets de recherche de manière autonome et à travailler en équipe.
- Une expérience antérieure dans la modélisation numérique et la simulation sera appréciée.