Apports de l’IA pour les prédictions de phénomènes complexes en milieux poreux modèles

Dans les domaines des Nouvelles Technologies de l'Energie (NTE), répondre à de nombreuses problématiques et maîtriser des applications comme la géothermie, le stockage du dioxyde de carbone (CO2) ou de l'hydrogène (H2), supposent une bonne compréhension des phénomènes d'écoulement des fluides en milieux poreux.
Dans ce sujet de thèse, nous proposons de considérer des outils mathématiques avancés, en particulier des CNN (Convolutional Neural Networks) et des outils issus de la Chémoinformatique (QSPR, pour Quantitative Structure Property Relationship) afin de prédire le comportement complexe des fluides dans des milieux poreux et d’évaluer ces prédictions expérimentalement par l’emploi de micromodèles. Au sein des laboratoires d’IFP Energies nouvelles, nous disposons déjà d’un très bon contrôle des expérimentations en micromodèles (poreux 2D transparents) ainsi que des outils d’apprentissage automatique. Un des objectifs de ce travail consistera à établir des bases de données expérimentales pour différentes configurations de milieux poreux. On cherchera ensuite à prédire via de l’apprentissage automatique, des phénomènes complexes comme le piégeage de CO2 pour une situation donnée (localisation du piégeage, fraction piégée, taille des ganglions, etc.).  Un travail d'inversion des modèles obtenus sera ensuite investigué ; on cherchera par exemple à déterminer quelles doivent être les caractéristiques d'un milieu poreux (porosité, structure, distribution des tailles de grains et de pores, etc.) pour piéger du CO2 de façon optimisée. Ce travail de thèse couplera des aspects innovants en apprentissage automatique et en expérimentation avec l’usage de micromodèles et il offrira aussi de nombreuses perspectives dans les NTE et au-delà. 

Mots clefs: milieu poreux, microfluidique, écoulements, IA 

• Directeur de thèse    Dr Hugues BODIGUEL, hugues.bodiguel@univ-grenoble-alpes.fr, ORCID : 0000-0003-2348-6966
• Ecole doctorale    ED510 IMEP2, Université Grenoble Alpes
• Encadrant IFPEN    Dr Nicolas PANNACCI, ORCID : 0000-0003-3293-7263
• Localisation du doctorant    IFPEN, Rueil-Malmaison, France
• Durée et date de début    3 ans, début au cours du quatrième trimestre 2025 (3 novembre)
• Employeur    IFPEN
• Qualifications    Master en Physique, Physico-chimie
• Connaissances linguistiques    Anglais niveau B2 (CECR)
• Autres qualifications    Capacités expérimentales, connaissance de Python

    Pour postuler, merci d’envoyer votre lettre de motivation et votre CV à l’encadrant IFPEN indiqué ci-dessous.