Thèse soutenue

Algorithmes évolutionnaires et inspirés du quantique pour l'optimisation de systèmes de réfrigération magnétique

FR  |  
EN
Auteur / Autrice : Anna Ouskova Leonteva
Direction : Pierre ColletPierre Parrend
Type : Thèse de doctorat
Discipline(s) : Informatique
Date : Soutenance le 24/05/2022
Etablissement(s) : Strasbourg
Ecole(s) doctorale(s) : École doctorale Mathématiques, sciences de l'information et de l'ingénieur (Strasbourg ; 1997-....)
Partenaire(s) de recherche : Laboratoire : Laboratoire des sciences de l'ingénieur, de l'informatique et de l'imagerie (Strasbourg ; 2013-....)
Jury : Président / Présidente : Shannon Whitlock
Examinateurs / Examinatrices : Sébastien Verel, Anne Jeannin
Rapporteur / Rapporteuse : Évelyne Lutton, Mohamed Balli

Résumé

FR  |  
EN

Cette thèse est réalisée dans le cadre du projet ANR CoolMagEvo, qui se donne comme objectif le développement de systèmes de réfrigération magnétique. Nous disposons de deux modèles de simulation dont on a assigné une fonction de problèmes d'optimisation: un modèle de Matériaux Magnetocaloriques (MMCs) et un modèle d'un Régénérateur Magnétique Actif (AMR). Selon les exigences des modèles, nous avons développé trois algorithmes d'optimisation. Par la suite, nous avons développé un outil basé sur les algorithmes proposés pour résoudre facilement et efficacement différents problèmes de ces modèles de simulation. Ensuite, à l'aide de cet outil, nous avons eu la possibilité d'ériger la nouvelle méthode basée sur l'optimisation, qui permet de reproduire les propriétés physiques de différents MMCs. Enfin, nous avons étudié l'impact des paramètres de contrôle et de désign du modèle de l'AMR sur ses performances pour deux modes d'application.