Le projet AIFORSTE du CEA vise à améliorer la gestion des situations d'urgence liées aux rejets atmosphériques engendrés par des accidents industriels ou des actes de malveillance. Nous développerons une méthode d'estimation de source en quasi-temps réel, permettant une réaction rapide et efficace face à ces événements critiques où le temps est toujours une contrainte fondamentale.
Face à l’impossibilité d’utiliser des simulations CFD détaillées pour une intervention immédiate et à l’imprécision des modèles analytiques simplifiés, ce post-doctorat sera consacré à une approche hybride fondée sur l’Intelligence Artificielle informée par la physique (Physics-Informed AI).
Le cœur du travail consistera à concevoir et à optimiser des architectures de réseaux de neurones profonds combinant les PINNs (Physics-Informed Neural Networks) et les Neural Operators (FNO, DeepONet). L'objectif sera d’évaluer quasi-instantanément la position, l'intensité et la cinétique d’une ou de plusieurs sources de rejets inconnues à partir d’un nombre restreint de mesures bruitées, tout en respectant les lois de conservation physiques.
Hébergé au CEA-Leti (Grenoble) et co-encadré par le CEA-DAM, le projet aura pour applications des cas d’études réalistes (quartiers urbains, sites industriels) grâce à des données générées par simulation haute-fidélité. Ce projet, d’une durée de 18 mois, offre une opportunité unique de publier dans des revues de premier plan et de contribuer à une solution souveraine dans un domaine où les enjeux de sécurité et de surveillance de l’environnement sont majeurs.