fr
Université étatique, Parcourir ses opportunités similaires
Titre du projet : Utilisation de réseaux neuronaux fondés sur la physique et de l'assimilation de données pour prédire et améliorer la qualité de l'air urbain
Équipe de supervision : Sean Symon et Christina Vanderwel
Description du projet
L'objectif de ce projet est d'utiliser des réseaux neuronaux fondés sur la physique (PINN) et des techniques d'assimilation de données pour convertir des mesures limitées de la dynamique des fluides urbains en modèles très précis de dispersion des polluants en milieu urbain. Ces modèles sont cruciaux pour la gestion environnementale, la santé publique et l’urbanisme afin que les autorités puissent évaluer et atténuer l’impact des polluants sur la qualité de l’air et le bien-être des habitants de la ville.
Le projet s'attaquera dans un premier temps aux problèmes de faible nombre de Reynolds autour de modèles simplifiés d'environnements urbains incluant des bâtiments, des rues ou des terrains accidentés. Les PINN seront formés sur des données de simulation haute fidélité et identifieront les termes de clôture inconnus dans les équations gouvernantes, notamment le flux scalaire qui est généralement modélisé dans les simulations. De plus, les points de formation optimaux et les hyperparamètres de réseau seront identifiés.
La deuxième phase du projet examinera les champs expérimentaux de vitesse et de concentration à des nombres de Reynolds plus élevés obtenus à l'aide de la vélocimétrie par image de particules et de la fluorescence induite par un laser plan. Le PINN utilisera soit des données expérimentales existantes, soit de nouvelles mesures du tunnel aquatique en fonction de la problématique d'intérêt. Étant donné que le scalaire passif peut être mesuré à des résolutions très élevées par rapport à la vitesse, le PINN peut prédire le champ de vitesse avec plus de précision que possible sans mesures scalaires passives. Cela offre une perspective passionnante pour pouvoir améliorer les techniques expérimentales de pointe sans avoir besoin de matériel supplémentaire.
La phase finale du projet visera à prédire les structures d'écoulement instables et leurs fréquences en utilisant les champs d'écoulement reconstruits à partir des PINN. Ces dernières sont des entrées dans les équations de mouvement linéarisées qui révèlent les structures les plus amplifiées de l’écoulement.
Nous visons à constituer une équipe diversifiée et inclusive pour résoudre des problèmes difficiles où nous développons de nouvelles compétences et expertises chez les membres de notre équipe. Vous aurez une opportunité unique de travailler aux côtés d’autres membres de l’équipe (doctorants et chercheurs postdoctoraux) ayant des parcours et des expériences différents. Vous aurez l'occasion unique d'être formé à l'utilisation d'algorithmes d'apprentissage automatique de pointe et de méthodes avancées d'analyse de données qui vous permettront de poursuivre une carrière dans le milieu universitaire ou industriel. Enfin, vous pourrez vous rendre à des conférences internationales pour présenter vos travaux et développer de nouvelles collaborations avec des groupes de recherche du monde entier.
De plus amples informations sur le type de projets réalisés dans notre laboratoire ainsi que des informations sur les membres actuels du laboratoire sont disponibles sur notre site Web (https://sites.google.com/view/seansymon/home).
Conditions d'entrée
Un très bon diplôme de premier cycle (au moins un baccalauréat spécialisé britannique 2: 1, ou son équivalent international) en ingénierie avec la motivation pour effectuer des travaux expérimentaux
Date de clôture : 31 août 2024.
Financement : Le financement des frais de scolarité et une allocation de subsistance sont disponibles sur une base compétitive. Le financement sera accordé sur une base continue, alors postulez tôt pour que la meilleure opportunité soit prise en considération.
Comment s'inscrire
Postulez en ligne : recherchez un programme d'études de troisième cycle (soton.ac.uk). Sélectionnez le type de programme (Recherche), 2024/25, Faculté de génie et des sciences physiques, sélectionnez sur la page suivante « PhD Ingénierie et environnement (temps plein) ». Dans la section 2 du formulaire de candidature, vous devez insérer le nom du superviseur Bharathram Ganapathisubramani.
Les candidatures doivent inclure :
Curriculum vitae
Deux lettres de référence
Relevés de notes/certificats à ce jour
Courriel : feps-pgr-apply@soton.ac.uk
Choisissez le pays que vous souhaitez le visiter pour étudier gratuitement, travailler ou faire du bénévolat
