Topic description
La thèse propose de développer un cadre numérique intelligent permettant de concevoir, simuler et optimiser les environnements des fours verriers en fonction d'un cahier des charges exigeant incluant notamment la réduction de l'empreinte carbone, l'amélioration de la performance énergétique et le maintien de la qualité produit.
L'enjeu principal réside dans la capacité à intégrer un agent d'apprentissage profond au
cœur d'une simulation physique complexe, tout en assurant la robustesse, la rapidité d'entraînement, et la généricité du modèle. Là où les approches classiques (comme les méthodes adjointes) nécessitent des ajustements coûteux pour chaque situation, le recours au Deep Learning (RL, GNN,…) permettra d'envisager une solution globale, adaptative, et scalable à grande échelle industrielle.
Le travail s'articulera autour de plusieurs axes : le développement d'environnements d'apprentissage simulés et couplés à la physique, la mise en œuvre d'agents intelligents (type PPO, PBO, ou DDPG) capables d'optimiser l'architecture et la régulation des fours selon des métriques physiques et énergétique, et l'intégration de méthodes de meta-learning pour permettre la transférabilité des solutions à d'autres géométries ou régimes. Le tout sera validé à partir de cas d'usage industriels concrets fournis par les partenaires, incluant données historiques, contraintes réelles d'exploitation, et bancs d'essais numériques.
Le projet bénéficie du soutien de plateformes de calcul haute performance (HPC), d'outils logiciels de pointe et d'un encadrement scientifique au centre de recherche CEMEF UMR CNRS, Mines Paris PSL, basé à SophiaAntipolis, avec une immersion prévue sur différents sites industriels français.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
Début de la thèse : 01/10/
WEB :
Funding category
Other public funding
Funding further details
ANR Financement d'Agences de financement de la recherche
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.