Stage - Ingénieur Optimisation Bayésienne multi-fidélité

Notre équipe Recherche développe et évalue des technologies innovantes via des prototypes pour maintenir notre expertise sur les enjeux techniques stratégiques.

Les méthodes numériques itératives (optimisation, quantification d’incertitude) nécessitent des milliers d’appels à des simulateurs, souvent coûteux. Les approches multi-fidélité combinent plusieurs simulateurs et données expérimentales (précisions et coûts variables) pour rendre ces études industrielles viables.

Problématique : Les méthodes traditionnelles utilisent des Processus Gaussiens (GP) pour modéliser les quantités d’intérêt et estimer les incertitudes (clé pour l’optimisation bayésienne). Pour traiter la plupart des problèmes industriels, des adaptations doivent être apportées.

L’objectif du stage sera de poursuivre les travaux sur l’optimisation bayésienne en apportant des améliorations clés :

• Augmenter la dimension des problèmes résolvables (ex. : Processus Gaussiens Sparses)
• Traiter des variables discrètes et catégorielles
• Gérer plusieurs objectifs concurrents
• Adapter ces méthodes à la multi-fidélité pour des cas industriels réels

Vos missions

Plus concrètement, vos missions principales s’articuleront sur :

• Recherche : État de l’art sur l’optimisation mixte multi-objectif en multi-fidélité
• Développement : Implémentation et validation des méthodes
• Application : Tests sur des cas académiques puis industriels (conception, calibration, etc.)
• Restitution : Rapports techniques et présentations orales (équipe + autres départements)