Postdoc: Volume forcing and machine learning methods for synthetic turbulence generation: application to hybrid RANS/LES methods

En tentant de tirer profit du coût mesuré des approches RANS et des qualités prédictives des approches LES, les approches hybrides RANS/LES présentent un intérêt fort pour de nombreuses applications mais continuent à se heurter au problème de la gestion des zones de transition. En l’absence d’instabilité hydrodynamique naturellement présente dans le domaine de calcul ou lorsque celle-ci n’est pas suffisamment résolue, la qualité des prévisions LES dépend ainsi en grande partie des fluctuations prescrites dans la zone de transition. L’objectif du post-doctorat proposé en collaboration avec le CEMEF est de développer une méthode d’apprentissage automatique de génération de fluctuations pour les zones de recouvrement RANS/LES. Deux axes ont été identifiés visant à réduire l’étendue des zones grises ; le premier concerne spécifiquement la qualité du signal synthétique généré alors que le deuxième axe s’attache aux paramètres de contrôle d’une méthode de forçage.