Modélisation des vents de vallées par descente d'échelle statistique
Pour modéliser et suivre les émissions atmosphériques dans une zone ayant un relief significatif, il est essentiel de représenter les vents à l'échelle de ce relief. Le modèle météorologique opérationnel de Cadarache ne dispose que d’une résolution horizontale de 1km, ce qui ne lui permet donc pas de résoudre les effets orographiques de la vallée.
Cependant, obtenir des résultats de simulation avec un modèle haute résolution nécessite des temps de calculs encore incompatibles avec les contraintes de la prévision météorologique opérationnelle (6h de calcul sur nos serveurs pour 1h de prévision pour Cadarache en 2020). Ceci contraint la résolution horizontale des calculs et ne permet pas de résoudre les effets orographiques de vallée.
L’objet du post-doc est donc de mettre au point un modèle de descente d'échelle appliqué à un maillage 3D de la vallée, avec une résolution suffisante pour, à la fois, modéliser l’aérologie de la vallée et y suivre un panache de pollution à l’aide d’un modèle de dispersion atmosphérique. Elle sera mise en œuvre via l'utilisation d'un réseau de neurones artificiels dont l'apprentissage sera fondé sur des mesures de climatologie et d'aérologie locales, complétées par des données synthétiques utilisant un modèle local à haute résolution.
Le/la candidat(e) évoluera au sein d’une petite équipe CEA attentive et bienveillante tout en restant connecté à la recherche universitaire via le Laboratoire d’Aérologie de Toulouse. Il pourra à la fois devenir un spécialiste en recherche appliquée dans le domaine météorologique et acquérir des compétences numériques et scientifiques valorisables en entreprise.
Développement des traitements par Intelligence Artificielle d’une station de mesure et prévision
Le Commissariat à l’Energie Atomique (CEA) lance un projet appelé « MultiMod'Air » consistant à développer en 2 ans un prototype de station de mesure et de prévision de la qualité de l'air dite « intelligente ».
Ce projet pluridisciplinaire implique une vingtaine d’ingénieurs et de chercheurs du CEA, spécialisés chacun dans un domaine particulier.
Le sujet proposé consiste à mettre au point différentes briques d’Intelligence artificielle (IA) en commençant par quelques étapes, maitrisées mais innovantes, de correction par Réseau de Neurones Artificiels (RNA) des mesures de qualité de l’air effectuées par des capteurs à bas coût, ainsi que des prévisions météorologiques au niveau de la station.
Le cœur du travail de recherche concernera la mise au point d’une prévision de la pollution au niveau de la station par apprentissage sur les évènements passés.
Le post-doc sera encadré par un météorologue et par un spécialiste en IA. Il sera assisté d’un ingénieur IA pour les traitements de données.
Développement de méthodes Monte-Carlo pour la simulation du transfert radiatif : application aux accidents graves
Ce sujet de post-doctorat porte sur le développement de méthodes Monte-Carlo par lancer de rayons pour la modélisation du transfert de chaleur par rayonnement dans le cadre des accidents graves. En partant d’un cadre logiciel abouti pour la simulation Monte-Carlo du transport de particules dans le contexte de la physique des réacteurs et la radioprotection, on cherchera à adapter les méthodes existantes à la problématique du transfert radiatif, dans un cadre de calcul haute performance. Pour ce faire, on développera une hiérarchie d’approximations associées au transfert radiatif de chaleur qui ont pour vocation de permettre la validation de modèles simplifiés mis en œuvre dans le cadre de la simulation numérique des accidents graves des réacteurs nucléaires. Orienté sur l’algorithmique et la performance de simulation, ce travail se veut une « preuve de principe » de la possible mutualisation logicielle autour de la méthode Monte-Carlo pour le transport de particules d’une part et le transfert de chaleur par rayonnement d’autre part.