Vous intégrez le Service des Agressions Internes et risques Industriels (SA2I) rattaché au Pôle Sûreté des installations et des systèmes nucléaires à Cadarache.

Le SA2I réalise des expertises concernant la maîtrise des risques d'incendies, d'explosions et induits par l'activité humaine, et conduit des travaux de R&D dans ces mêmes domaines à la fois sur le plan expérimental et sur le plan du développement de logiciels et d'outils dédiés. Les thématiques générales concernent essentiellement la thermique, la combustion et la mécanique des fluides réactifs. Le SA2I réalise ou fait réaliser des études et des recherches visant à répondre aux besoins de l'expertise dans son domaine de compétences.

Le service dispose d'une plateforme expérimentale (GALAXIE) qu'il exploite en propre afin d'acquérir des données d'intérêt sur la phénoménologie des incendies et cela à diverses échelles. Le service dispose également d'une plateforme logicielle (S3AFER) qui abrite le développement de logiciels scientifiques à champs et logiciels à zones pour simuler les scénarios d'incendie et d'explosion en milieux représentatifs des installations nucléaires, qui permet de capitaliser l'ensemble des données produites.

Titre complet du sujet : Forçage volumique et méthodes d'apprentissage automatique pour la turbulence synthétique : application aux méthodes hybrides RANS/LES

La prévision des écoulements turbulents en mécanique des fluides numérique occupe une place récurrente et croissante dans les études d'évaluation des risques et leur possible impact environnemental. Si la qualité des prévisions des approches de simulation des grandes échelles de la turbulence (LES) reste souvent largement supérieure à celle des approches statistiques aux moyennes de Reynolds (RANS), leur utilisation reste souvent hors de portée pour les cas d'intérêt. Parmi les pistes d'amélioration proposées, les méthodes hybrides RANS/LES connaissent un intérêt croissant mais posent le problème de génération de fluctuations résolues dans les zones de transition appelées zones grises.
Dans ce contexte, l'objectif principal du présent projet est de développer une méthode d'apprentissage automatique de génération de fluctuations turbulentes pour les stratégies de conditions aux limites équivalentes et les zones de recouvrement RANS/LES. Pour ces deux situations, les fluctuations turbulentes seront représentées sous la forme d'une décomposition en mode de Fourier. Cette approche, initialement proposée pour la définition de conditions d'entrée en LES, a été étendue au cas d'entretien de la turbulence et à la génération de fluctuations dans les zones de transition RANS/LES selon une méthode de forçage volumique. Il s'agira dans un premier temps d'adopter une approche visant à optimiser les paramètres libres d'un signal synthétique sur la base de statistiques cibles (vitesse moyenne, rms, anisotropies, …), disponibles dans les bases de données ouvertes (e.g [JHTDB]), en aval de la condition aux limites. On s'intéressera en particulier à la forme du spectre d'énergie, la fréquence de pulsation ainsi qu'au nombre de modes de Fourier caractérisant le signal synthétique. La vitesse synthétique résultante sera alors mise en oeuvre dans un contexte de conditions aux limites d'entrée sur des cas académiques de la littérature d'écoulements pariétaux puis sur le cas de jets. Une approche de contrôle dynamique sera adoptée dans un deuxième temps pour les situations de conditions aux limites équivalentes et le forçage volumique pour les zones de transition RANS/LES. Les performances des approches proposées seront estimées selon différents critères, on s'attachera en particulier à la qualité des prévisions résultantes, à l'étendue de la zone dite grise située entre les zones résolues complètement selon une approche RANS et LES ainsi qu'au coût engendré par la méthode de forçage.

Vous êtes titulaire d'un diplôme universitaire de troisième cycle en mécanique des fluides ou analyse numérique ou data sciences. Vous devez disposer de compétences en simulations numériques de type CFD ainsi que dans le domaine des data sciences et en particulier en maching learning.

La diversité est une des composantes de la politique RSE, RH et Qualité de Vie au Travail à l’IRSN. Nous accordons la même considération à toutes les candidatures, sans discrimination, pour inclure tous les talents.

Quelles que soient les différences, nous souhaitons attirer, intégrer et fidéliser nos candidats et nos collaborateurs au sein d’un environnement de travail inclusif.

L'IRSN conduit une politique active depuis de nombreuses années en faveur de l'égalité des chances au travail et l'emploi des personnes handicapées. Si vous êtes en situation de handicap, n'hésitez pas à nous faire part de vos éventuels besoins spécifiques afin que nous puissions les prendre en compte.