Mathématiques et informatique

Le calcul haute performance ou HPC (High-Performance Computing) est un champ scientifique qui concerne à la fois les mathématiques et l’informatique, et dont l’application touche de nombreux domaines tels que l’énergie, la mobilité ou l’environnement. Dans tous ces domaines, le besoin de simuler des phénomènes physiques à grande échelle s’appuie en effet sur des modèles mathématiques qui sont gourmands en temps de calcul et en espace de stockage...

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...

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...

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.

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.

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...