Cet exposé présentera les méthodes les plus couramment utilisées en Dynamique des Fluides pour analyser les données de plus en plus massives obtenues expérimentalement ou numériquement par simulations haute-fidélité. L’objectif est d’extraire des modèles simplifiés de dynamique qui capturent
l’essentiel des phénomènes présents dans ces écoulements, dans le but d’améliorer la compréhension...
Pratiquement toutes les chambres de combustion sont sujettes à des oscillations de pression que l'on tente de maintenir à des niveaux acceptables pour l'utilisation et la durée de vie des équipements. Ces oscillations résultent de couplages multi physique entre l'écoulement, le dégagement de chaleur, l'acoustique et les limites du volume de combustion. Certains couplages sont des sources...
Uncertainty Quantification (UQ) and Global Sensitivity Analysis (GSA) in numerical models often rely on sampling approaches (either random or deterministic) that call for many resolutions of the model. Even though these computations can usually be carried out in parallel, the application of UQ and GSA methods to large-scale simulations remains challenging, both from the computational, storage...
In this lecture I will cover the various families of problems that machine learning can solve. Using examples, primarily on images, I will present various linear and non-linear dimensionality reduction methods (PCA,NMF, T-SNE), I will motivate the use of certain clustering techniques (K-means, DBSCAN) and I will then explain which families of methods exist for building predictive models...
Massively parallel simulations generate increasing volumes of large data, whose exploitation requires large storage resources, efficient network and increasingly large post-processing facilities. In the coming era of exascale computations, there is an emerging need for new data analysis and visualization strategies.
Data manipulation, during the simulation and after, considerably slows down...
Plusieurs simulations (parfois plusieurs milliers) sont nécessaires pour calculer des statistiques pertinentes pour l'analyse de sensibilité globale. La pratique actuelle consiste à exécuter toutes les simulations nécessaires avec des paramètres d'entrée différents, à stocker les résultats sur disque, pour les lire plus tard et finalement calculer les statistiques requises. La quantité de...
Data-driven strategies for the modeling and reconstruction of dynamical systems emerge as promising alternatives to classical model-driven frameworks, especially when dealing with computationally-demanding models and modeling uncertainty. Data-driven strategies provide novel means to benefit from large-scale observation and/or simulation datasets.
In this talk, we will review data-driven...
Accurately predicting the unsteady short-to-medium range plume dynamics and dispersion induced by emission source(s) remains a challenge for air quality prediction and health impact quantification. Large eddy simulation has been identified as a promising tool to tackle this challenge. At the scale of micro-meteorology, simulating the near field is a multi-physics multi-scale problem since...
One key challenge with present engine development is the modeling, understanding and control of cycle to cycle variations (CCV). This cyclic variability is understood here as a large scale cycle to cycle variation that ultimately controls the gas motion and composition in the vicinity of the spark plug and at the time of ignition. This industrial and environmental challenge has triggered a...
Le terme « assimilation de données » désigne l’ensemble des techniques mathématiques qui visent à combiner de façon optimale (dans un sens à préciser) des informations de natures diverses sur un système dynamique, afin de reconstituer aussi précisément que possible son état ou d’en estimer une quantité particulièrement intéressante.
On dispose ainsi d'informations diverses, souvent partielles...
In this talk, we will present a front shape similarity measure adapted to the framework of data assimilation, where uncertainties in the quantities of interest are not only of amplitude-type but also associated with shape and topological uncertainties. The front shape similarity measure derives from image processing and is based on the Chan-Vese contour fitting functional. It can be...
