Thibault Faney, Soleiman Yousef: Thursday 14 February at 15:00, A415 Inria Paris.
Les simulations numériques sont un outil important pour mieux comprendre et prédire le comportement des systèmes physiques complexes. Dans le cas des équilibres thermodynamiques, ces systèmes sont modélisés principalement par des systèmes d’équations non-linéaires. La résolution de ces systèmes après discrétisation nécessite l’emploi de méthodes itératives se basant sur une solution initiale approximative.
L’objectif des travaux présentés est d’établir un modèle statistique par apprentissage permettant de remplacer cette solution initiale heuristique par une approximation de la solution fondée sur une base de données de résultats de calculs. Le simulateur ciblé est un simulateur de flash triphasique (aqueux, liquide et gaz) à pression et température constante. A partir de fractions molaires initiales des éléments chimiques, on calcule les phases présentes à l’état d’équilibre, ainsi que leur fraction volumique respective et les fractions molaires de chaque espèce chimique dans chacune des phases présentes.
Nous formulons le problème sous la forme d’un problème d’apprentissage supervisé en série : d’abord une classification des phases présentes à l’équilibre puis une régression sur les fractions volumiques et molaires. Les résultats sur différents tests de complexité croissante en nombre de composés chimiques montrent un très bon accord du modèle statistique avec la solution fournie par le simulateur. Les éléments clés sont le choix de la base de données pour l’apprentissage (plan d’expérience) et l’emploi de méthodes d’apprentissage non-linéaires.
