Méthodes numériques basées sur l'apprentissage pour les EDP hyperboliques et cinétiques
FR |
EN
Auteur / Autrice : | Léo Bois |
Direction : | Philippe Helluy |
Type : | Thèse de doctorat |
Discipline(s) : | Mathématiques appliquées |
Date : | Soutenance le 19/12/2023 |
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 : Institut de recherche mathématique avancée (Strasbourg) |
Jury : | Président / Présidente : Bruno Després |
Examinateurs / Examinatrices : Virginie Grandgirard, Emmanuel Franck, Vincent Vigon | |
Rapporteurs / Rapporteuses : Stéphane Clain, Nicolas Crouseilles |
Mots clés
FR |
EN
Mots clés contrôlés
Mots clés libres
Résumé
FR |
EN
On explore différentes applications des réseaux de neurones pour les méthodes numériques, dans le contexte de la simulation de fluides ou de plasmas.Une première application est l'apprentissage d'une fermeture pour un modèle macroscopique, à partir de données issues d'un modèle cinétique. On donne des résultats numériques pour l'équation de Vlasov-Poisson en 1D et l'équation de Boltzmann en 2D.Une deuxième application est l'apprentissage de paramètres dépendants du problème considéré dans les schémas numériques. On apprend ainsi un coefficient de viscosité artificielle pour un schéma de Galerkin discontinu, et une matrice de relaxation pour la méthode de Lattice-Boltzmann.