Zoom sur...

Page individuelle

Julien COATLÉVEN

Ingénieur de recherche en calcul scientifique
Julien Coatléven est diplômé de l’ENSTA (Paris) et a effectué sa thèse en mathématiques appliquées à l’Ecole Polytechnique (Paris) et l’INRIA Rocquencourt. Après avoir mené des recherches
Page individuelle

Delphine SINOQUET

Ingénieur de recherche / chef de projet en optimisation
Docteur en Mathématiques Appliquées
DEA (master) en Analyse numérique (université Paris 6) Docteur en Mathématiques appliquées (université Paris 13) : Inversion tomographique de données sismiques 2003-now : Ingénieur de recherche dans
Page individuelle

Thomas LEROY

Chef de Projet Stockage et Systèmes Energétiques pour la Mobilité Electrifiée
Thomas Leroy est diplômé de l’ESSTIN et a effectué sa thèse de doctorat en Mathématiques et Automatique au Centre Automatique et Systèmes de l’école des Mines ParisTech, soutenue en 2010. Il a ensuite
Science@ifpen n° 46 - Sciences de la Terre et Technologies de l’Environnement
Brèves

Géopatrimoine et géodiversité accessibles à tous grâce au numérique

Apparues dans les années 1990, les notions de géopatrimoine et de géodiversité reçoivent une attention grandissante de la part des communautés académiques, des organisations internationales et des pouvoirs publics (...). C’est dans ce contexte qu’IFPEN a signé en 2020 un accord de partenariat avec l’UNESCO, dont l’un des objectifs est le partage d’outils numériques facilitant la promotion du géopatrimoine et de la géodiversité auprès du grand public...
Science@ifpen n° 46 - Sciences de la Terre et Technologies de l’Environnement
Brèves

La modélisation du sous-sol, étape essentielle pour la transition énergétique

Afin de répondre aux enjeux de la transition énergétique, le sous-sol a un rôle à jouer, à la fois pour fournir des ressources et pour offrir des solutions de stockage (...). Les modèles numériques peuvent aider à mieux comprendre le sous-sol pour le gérer durablement et l’utiliser de manière optimale. Développés depuis de nombreuses années à IFPEN, initialement pour l’industrie pétrolière, de tels modèles couvrent des échelles qui s’étendent du bassin sédimentaire au réservoir...
Numéro 45 de Science@ifpen - Numéro spécial Science des données
Brèves

Conception numérique axée sur l’analyse de microstructures multi-échelles de matériaux poreux

La conception de matériaux poreux performants est un enjeu majeur pour l’efficience énergétique des procédés industriels : en catalyse, biocatalyse ou encore pour les opérations de séparation et de purification. Pour de telles applications, ces matériaux tirent leurs propriétés d’intérêt de leur microstructure particulière, comportant une grande quantité d’espaces vides organisés et connectés à l’échelle du nanomètre. IFPEN et Saint Gobain Research Provence (SGRP) se sont associés afin de se doter d’un outil facilitant à terme la mise au point de matériaux poreux optimisés en fonction d’usages donnés.
Brèves

Digital Rock Physics à IFPEN

La caractérisation des réservoirs géologiques, thème historique de l’exploitation pétrolière, est aujourd’hui un socle d’intérêt pour des domaines applicatifs variés tels que le stockage de CO2 ou d’hydrogène, ou encore la géothermie. Ces dernières années, l’utilisation conjointe de l’imagerie 3D par microtomographie (ou micro-CT) et de techniques de simulation avancées a permis l’émergence d’une approche digitale du calcul des propriétés pétrophysiques de roches de réservoir (Digital Rock Physics). Ceci représente un vrai complément voire, dans certains cas, une alternative aux mesures traditionnelles en laboratoire.
Numéro 45 de Science@ifpen - Numéro spécial Science des données
Brèves

Interprétation d’images géologiques assistée par Intelligence Artificielle

Au cours de la dernière décennie, l’apprentissage profond (deep learning) appliqué à l’analyse d’images a connu un réel essor et une extension dans de nombreux domaines. Cependant, son potentiel reste encore sous-exploité en géologie, bien que cette discipline implique beaucoup d’interprétation visuelle. Pour contribuer à la transformation numérique des industries liées au sous-sol, les chercheurs IFPEN ont mis en œuvre l'apprentissage profond dans trois « contextes métier », impliquant chacun un type différent d’images géologiques.
Numéro 45 de Science@ifpen - Numéro spécial Science des données
Brèves

Segmentation sémantique par apprentissage profond en sciences des matériaux

La segmentation sémantique réalisée sur des images de microscopie est une opération de traitement effectuée en vue de quantifier la porosité d’un matériau et son hétérogénéité. Elle vise à affecter une classe d’appartenance (niveau d’hétérogénéité de la porosité) à chaque pixel de l’image. Cependant elle est très difficile sur certains matériaux (comme les alumines employées pour la catalyse), voire impossible par une approche classique de traitement d’image, car les différences de porosité sont caractérisées par des contrastes faibles et des variations de texture complexes. Un moyen de dépasser cette limitation est d’aborder par apprentissage profond la segmentation sémantique, en recourant à un réseau de neurones convolutifs.
Numéro 45 de Science@ifpen - Numéro spécial Science des données
Brèves

Accélération de calculs de cinétique chimique par méthodes d’apprentissage

L’utilisation de méthodes d’apprentissage pour accélérer les calculs de cinétique chimique est une approche qui a récemment gagné en popularité. C’est le cas notamment pour la simulation des écoulements réactifs...