Ingénieur en Mathématiques Appliquées & Modélisation

Intégration de l'unité de simulation numérique de l'ONERA afin d'étudier et de faire évoluer le solveur CHARME du code de calcul interne CEDRE.

• Étude et implémentation en Fortran du flux numérique HLLC+ pour la simulation d'écoulements multi-espèces en régime faiblement compressible.
• Calcul analytique de la jacobienne exacte du schéma HLLC par différentiation directe des relations de saut.
• Implémentation de cette jacobienne exacte en vue de permettre une résolution implicite en temps.
• Validation systématique du développement par une confrontation terme à terme avec l'implémentation Fortran existante, corrigeant plusieurs erreurs de calcul.
• Réalisation de validations numériques comparatives entre les schémas HLLC et HLLC+ sur des cas tests représentatifs de positivité, robustesse et dissipation à bas Mach.
• Rédaction d'un rapport technique complet synthétisant l'ensemble des résultats obtenus.

Participation à un projet de recherche au sein de l'Institut Camille Jordan pour concevoir et analyser de nouvelles architectures de réseaux de neurones appliquées aux systèmes dynamiques.

• Développement de modèles Liquid Time-Constant Networks (LTC) sous Python pour la modélisation de systèmes dynamiques complexes.
• Analyse de l'expressivité et de la stabilité des prédictions des LTC en les comparant aux modèles de référence ODE-RNN et CT-RNN.
• Démonstration de la supériorité des réseaux LTC dans la modélisation temporelle continue.
• Application de l'architecture développée au cas concret de la prédiction d'ozone (Ozone Day Prediction) à partir de variables météorologiques.

Réalisation d'un projet académique de pointe appliquant l'intelligence artificielle à des problématiques de pharmacocinétique cérébrale.

• Développement d'un modèle PBPK-iPINN en Python pour estimer les paramètres pharmacocinétiques d'un modèle cérébral à 4 compartiments.
• Formulation et optimisation d'une fonction de perte (loss function) multi-objectif complexe.
• Validation rigoureuse des résultats du modèle par rapport aux méthodes de résolution classiques.

Conception et réalisation d'un outil d'aide à la décision pour automatiser la planification des soutenances au sein de l'école.

• Développement d'une interface utilisateur interactive avec Streamlit pour la saisie simplifiée des contraintes des jurys et étudiants.
• Implémentation d'un algorithme hybride combinant des approches gloutonnes et des algorithmes génétiques.
• Optimisation automatique de la génération de plannings complexes pour éliminer tout risque de conflit de ressources.