Le Centre national de la recherche scientifique est un organisme public de recherche pluridisciplinaire placé sous la tutelle du ministère de l’Enseignement supérieure et de la Recherche. Créé en 1939 et dirigé par des scientifiques, il a pour mission de faire progresser la connaissance et être utile à la société dans le respect des règles d’éthique, de déontologie et d’intégrité scientifique.

Missions :
Au CNRS, sur le site de l'Université Paris-Saclay (UPS), le laboratoire LISN recrute un Chercheur ou une Chercheuse pour une durée de 24 mois dans le cadre du projet ANR MilaDy pour travailler sur l'analyse des données issues de simulations numériques massives de champs magnétique et de vitesse de deux expériences en lien avec la génération de champ magnétique par effet dynamo (DyE). Il/elle collaborera avec des collègues du laboratoire Lagrange (Nice) et du CEREA (ENPC, EDF R&D).
Activités :
1- Contexte :

La magnétohydrodynamique (MHD) étudie l’interaction entre un fluide électriquement conducteur et les champs électromagnétiques auxquels il est soumis. Le DyE explique l’origine des champs magnétiques au sein de ces fluides : un champ magnétique initial y est amplifié par un écoulement conducteur. Ce phénomène, rare dans les métaux liquides, n’apparaît que dans des régimes turbulents 3D à faible nombre de Prandtl magnétique (Pm). Des expériences ont réussi à reproduire cet effet à Riga, Karlsruhe et Cadarache. Le projet allemand DRESDYN (HZDR, Allemagne) tente aujourd’hui de générer une dynamo dans un cylindre en précession, mais son succès reste incertain.

Ces dynamos présentent des dynamiques très complexes, par exemple, caractérisées par des inversions du champ magnétique, des phases intermittentes, et des événements de type burst, difficiles à reproduire numériquement. En effet, la modélisation complète du DyE est entravée par le couplage non linéaire entre les équations de Navier–Stokes et d’induction magnétique, rendant les Simulations Numériques Directes (DNS) coûteuses et limitées à des régimes de Pm~1. Pour surmonter ces limites, des modèles d’ordre réduit (ROMs) peuvent être développés afin de capturer l’essentiel de la dynamique fidèlement à moindre coût. L’apprentissage automatique (ML) offre de nouvelles approches pour construire des ROMs performants et prédictifs.
2- Objectifs et défis scientifiques :

Ce post-doctorat vise deux objectifs principaux : (1) Analyser les inversions du champ magnétique et les phénomènes de dynamo burst en développant des modèles paramétriques d'ordre réduit (pROMs) offrant une interprétabilité physique accrue pour identifier les mécanismes clés et reproduire les dynamiques observées au cours des simulations.

(2) Optimiser l’expérience DRESDYN grâce à des pROMs, en ajustant les paramètres physiques (précession, rotation, géométrie) pour explorer la viabilité du DyE à moindre coût.


Les méthodes visées devront dépasser les limites actuelles des pROMs pour les systèmes MHD, notamment leur manque d’interprétabilité et leur faible capacité d’extrapolation, en s’appuyant sur des approches spectrales linéaires classiques et les méthodes non linéaires basées sur l’apprentissage profond de type auto-encodeurs (AEs) et AE variationnels (vAEs), afin de garantir des modèles plus explicables, physiquement cohérents et robustes hors du domaine d’app
Voir plus sur le site emploi.cnrs.fr...

Le Centre national de la recherche scientifique est l’une des plus importantes institutions publiques au monde : 34 000 femmes et hommes (plus de 1 000 laboratoires et 200 métiers), en partenariat avec les universités et les grandes écoles, y font progresser les connaissances en explorant le vivant, la matière, l’Univers et le fonctionnement des sociétés humaines. Depuis plus de 80 ans, y sont développées des recherches pluri et interdisciplinaires sur tout le territoire national, en Europe et à l’international. Le lien étroit que le CNRS tisse entre ses missions de recherche et le transfert vers la société fait de lui un acteur clé de l’innovation en France et dans le monde. Le partenariat qui le lie avec les entreprises est le socle de sa politique de valorisation et les start-ups issues de ses laboratoires (près de 100 chaque année) témoignent du potentiel économique de ses travaux de recherche.

Competences :
Le profil du candidat devrait montrer une expertise variée avec des connaissances solides en dynamique des fluides et/ou MHD, une expérience en analyse de données scientifiques et/ou en modélisation réduite et un intérêt marqué pour l’apprentissage automatique appliqué aux systèmes dynamiques, ainsi que de bonnes compétences en programmation scientifique.

Le chercheur ou la chercheuse devra posséder un Doctorat en mécanique des fluides / Mathématiques appliquées / Apprentissage automatique.
Contraintes et risques :
Néant