Étude de l’utilisation de réseaux de neurones artificiels pour des calculs de haute performance dédiés à la modélisation du transport de sources énergétiques

Quels que soient leurs domaines d’application, les codes de calcul modernes sont soumis à des exigences de rapidité de calcul et d’optimisation d’occupation de la place mémoire, qui requièrent l'utilisation de méthodes numériques évoluées. Pour répondre à ces besoins de traitement de données massives et de calculs intensifs, les méthodes d’apprentissage profond se positionnent comme des réponses alternatives efficaces et extrêmement attractives.Ce manuscrit de thèse présente une étude sur le couplage de réseaux de neurones artificiels à des codes de calcul haute performance dédiés à des simulations des phénomènes de physique complexes, plus particulièrement en lien avec des théories de transport. Le premier cadre d'application concerne la simulation d'expériences de fusion par confinement inertiel pour la production d'énergie, et en particulier, la modélisation du transport de chaleur électronique non local. Le second domaine d'application est le transport et dépôt d'énergie de particules en radiothérapie pour le traitement des cancers.Les deux études du couplage de réseaux de neurones artificiels à des codes de calcul haute performance, développés par l'équipe de recherche IFCIA au laboratoire CELIA, sont présentées dans ce manuscrit, et montrent des résultats encourageants : pour des critères de précision largement suffisant pour ces applications, nous obtenons des gains de temps considérables. Cette étude préliminaire de faisabilité encourage l'équipe du CELIA à poursuivre ce travail dans les années à venir.