Présentation
RÉSUMÉ
La simulation numérique est devenue une technique largement utilisée par les ingénieurs pour concevoir, optimiser et qualifier de nombreux produits et systèmes. Bénéficiant de développements académiques industriels, la simulation ne cesse de se perfectionner. Elle intègre en outre de plus en plus fréquemment des recherches et innovations issues de l’apprentissage machine. Cet article propose un état des lieux succinct du couplage de ces deux techniques numériques et de leurs usages et applications possibles.
Lire cet article issu d'une ressource documentaire complète, actualisée et validée par des comités scientifiques.
Lire l’articleABSTRACT
Numerical simulation has become a technique widely used by engineers to design, optimize and qualify numerous products and systems. Resulting from academic and industrial developments, this technique constantly improves its performances. More and more frequently, it benefits from research and innovation in machine learning. This article provides a brief overview of the coupling of these two numerical techniques and their possible uses and applications.
Auteur(s)
-
Jean-François SIGRIST : Ingénieur-chercheur, journaliste scientifique - eye-π – Tours, France
INTRODUCTION
La simulation numérique s’est largement diffusée dans l’industrie dans les deux décennies passées et son usage concerne de nombreuses applications en sciences de l’ingénieur (mécanique, thermique, acoustique, hydrodynamique, etc.). Elle bénéficie d’innovations constantes issues de recherches académiques dans des domaines variés (modélisation physique, mathématiques appliquées, informatique et algorithmique, etc.) : les simulations peuvent rendre compte de phénomènes physiques de plus en plus complexes (comme des couplages multiphysiques, des comportements non linéaires, etc.) avec précision et efficacité croissantes. Les calculs contribuent à optimiser la conception de nombreux produits et à en améliorer les performances de fiabilité et de durabilité. Les simulations numériques rencontrent cependant diverses limitations qui brident dans certains cas leurs usages, en particulier en matière de robustesse, de besoins en ressources computationnelles (calcul, stockage, etc.) et de consommation d’énergie.
Aux côtés de la simulation numérique se développent des techniques d’apprentissage automatique dont les capacités prédictives deviennent très intéressantes : fondés sur la disponibilité croissante de données (issues de résultats d’essais, de mesures, de capteurs, de calculs, etc.), les algorithmes de machine learning permettent d’élaborer des modèles numériques complétant les modèles utilisés pour la simulation de la physique.
Cet article, qui s’adresse principalement à de jeunes ingénieurs et chercheurs en simulation numérique, propose un état de l’art succinct sur le couplage entre les techniques de simulation numérique et d’apprentissage machine, qui devient l’une des voies les plus intéressantes pour dépasser certaines limitations actuelles des calculs et faire évoluer la simulation numérique.
Le lecteur trouvera ces références dans la rubrique « Pour en savoir plus » associée à cet article. Une bibliographie supplémentaire et des liens vers des sites internet lui proposent des ressources utiles afin d’approfondir ses connaissances sur le sujet.
MOTS-CLÉS
intelligence artificielle simulation numérique calcul scientifique Apprentissage machine modélisation mathématique
KEYWORDS
artificial intelligence | numerical simulation | computational science | machine learning | mathematical modelling
DOI (Digital Object Identifier)
Cet article fait partie de l’offre
Management et ingénierie de l'innovation
(415 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Présentation
6. Sigles-glossaire
ACP
L’analyse en composantes principales (ou ACP) est une méthode utilisée en statistiques afin de transformer un ensemble de variables corrélées (par exemple linéairement dépendantes) en un ensemble de variables non corrélées (par exemple linéairement indépendantes) : les « composantes principales » permettant d’analyser les données selon des directions indépendantes.
ANN
Un réseau de neurones artificiels (artificial neural network, ANN) est un ensemble organisé de neurones interconnectés permettant la résolution de problèmes complexes tels que la vision par ordinateur ou le traitement du langage naturel. Il s’agit d’un type particulier d’algorithmes d’apprentissage automatique (comme les machines à vecteur de support, les arbres de décision, etc.) caractérisés par un grand nombre de couches de neurones, dont les coefficients de pondération sont ajustés au cours d’une phase d’entraînement (apprentissage profond). Il existe de nombreux type de réseaux de neurones artificiels tels que les réseaux de neurones récurrents, les auto-encodeurs, les réseaux transformeurs ou encore les réseaux antagonistes génératifs (generative adversarial networks, GAN).
CFD
La simulation de la dynamique des fluides (computational fluid dynamics, CFD) consiste à utiliser un code de calcul permettant de résoudre les équations régissant l’écoulement d’un fluide, par ailleurs décrit par sa loi de comportement et les volumes dans lesquels il s’écoule. La technique des volumes finis est la plus utilisée en CFD pour les applications intéressant les ingénieurs.
CSD
La simulation de la dynamique des structures (computational structural dynamics, CSD) consiste à utiliser un code de calcul rendant compte de la géométrie du système étudié, des lois mathématiques traduisant le comportement mécanique des matériaux dont il est constitué, et de résoudre les équations du mouvement. La technique des éléments finis est la plus utilisée en CSD pour les applications intéressant les ingénieurs.
DNS
La simulation numérique directe (direct numerical simulation, DNS) des écoulements consiste à résoudre les équations de conservation décrivant un écoulement de fluide turbulent à l’aide d’une méthode numérique.
FEM
La méthode...
TEST DE VALIDATION ET CERTIFICATION CerT.I. :
Cet article vous permet de préparer une certification CerT.I.
Le test de validation des connaissances pour obtenir cette certification de Techniques de l’Ingénieur est disponible dans le module CerT.I.
de Techniques de l’Ingénieur ! Acheter le module
Cet article fait partie de l’offre
Management et ingénierie de l'innovation
(415 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
Sigles-glossaire
BIBLIOGRAPHIE
-
(1) - SIGRIST (J.-F.) - Numerical Simulation, an Art of Prediction. - Volume 1: Theory. ISTE/Wiley (2020).
-
(2) - SIGRIST (J.-F.) - Numerical Simulation, an Art of Prediction. - Volume 2: Examples. ISTE/Wiley (2020).
-
(3) - DOKAINISH (M.A.), SUBBARA (K.) - A survey of direct time-integration methods in computational structural dynamics. - I. Explicit methods, Computers and Structures, 32, 1371-1386 (1989).
-
(4) - SUBBARA (K.), DOKAINISH (M.A.) - A survey of direct time-integration methods in computational structural dynamics. - II. Implicit methods, Computers and Structures, 32, 1387-1401 (1989).
-
(5) - BODIN (F.) - La convergence du calcul scientifique et de l’analyse de données - In: BOUZEGHOUB (M.) et MOSSER (R.), Les Big Data à découvert. CNRS Éditions (2017).
-
(6)...
DANS NOS BASES DOCUMENTAIRES
ANNEXES
ABAQUS
ANSYS
CASTEM
Code_Aster
Code_Saturne
MATLAB
https://fr.mathworks.com/products/matlab.html
OpenFoam
PyTorch
Scilab
SOFA
https://www.sofa-framework.org
TensorFlow
HAUT DE PAGELaboratoires, écoles d’ingénieurs, université (liste non exhaustive)
Centrale Supelec
https://www.centralesupelec.fr
École Centrale de Nantes
ENSEIRB-MATMECA
https://enseirb-matmeca.bordeaux-inp.fr/fr
ENSTA ParisTech
GENCI
Cet article fait partie de l’offre
Management et ingénierie de l'innovation
(415 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive
QUIZ ET TEST DE VALIDATION PRÉSENTS DANS CET ARTICLE
1/ Quiz d'entraînement
Entraînez vous autant que vous le voulez avec les quiz d'entraînement.
2/ Test de validation
Lorsque vous êtes prêt, vous passez le test de validation. Vous avez deux passages possibles dans un laps de temps de 30 jours.
Entre les deux essais, vous pouvez consulter l’article et réutiliser les quiz d'entraînement pour progresser. L’attestation vous est délivrée pour un score minimum de 70 %.
Cet article fait partie de l’offre
Management et ingénierie de l'innovation
(415 articles en ce moment)
Cette offre vous donne accès à :
Une base complète d’articles
Actualisée et enrichie d’articles validés par nos comités scientifiques
Des services
Un ensemble d'outils exclusifs en complément des ressources
Doc & Quiz
Des articles interactifs avec des quiz, pour une lecture constructive