Stage sur la modélisation renforcée par apprentissage h/f

Description de l'offreLa maîtrise des systèmes complexes est une activité difficile à mener à bien et qui impacte aujourd’hui de nombreux domaines industriels ou de recherche. Elle pose des problèmes de modélisation et de simulation par la nature hétérogène des données impliquées, avec des aspects discrets et continus. Deux approches sont possibles. Les méthodes quantitatives, dont les analyses sont numériques, sont les plus utilisées : leurs résultats sont précis mais elles sont très consommatrices de temps et de ressources. Les méthodes qualitatives reposent sur une interprétation symbolique des modèles, et peuvent être utilisées sans connaître tous les paramètres numériques, en s’appuyant sur des relations de dépendance entre variables [TD03]. Elles sont moins précises mais peuvent s’appliquer très tôt dans la phase de conception et permettent certaines analyses de preuve de propriétés et d’optimisation qui sont incomplètement couvertes par les méthodes quantitatives ou numériques [TK02].Les travaux déjà effectués au laboratoire LIDEO du CEA LIST sur la modélisation et la simulation qualitative [ZYDGT18] [GGB23] seront enrichis par l’apport d’une méthode outillée d’apprentissage de modèles symboliques (e.g. qualitatifs) à partir de données d'un modèle numérique, intégrant des informations relatives à l’analyse de sensibilité [SCS00].Un état de l’art sera effectué au préalable sur les techniques existantes d’analyse de sensibilité en s’appuyant sur les travaux et outils déjà disponibles au CEA (plateforme Uranie [BDAG09]). Une maquette sera réalisée qui pourra être appliquée sur des cas d’études d’exemples industriels, pour l’optimisation de la consommation de ressources par un système manufacturier. Publications : [SCS00] A. Saltelli and K. Chan and E. M. Scott. Sensitivity analysis. Wiley Series in Probability and Statistics. Wiley,2000 [BDAG09] Jean-Baptiste Blanchard*, Guillaume Damblin, Jean-Marc Martinez, Gilles Arnaud and Fabrice Gaudier. The Uranie platform: an open-source software for optimisation, meta-modelling and uncertainty analysis, EPJ Nuclear Sci. Technol, Volume5, 2019.[TD03] Travé-Massuyès Louise, Dague Philippe, Modèles et raisonnements qualitatifs ; TraitéIC2, série Systèmes automatisés, ISBN : 9782746207448, 2003.[TK02] Tiwari, A., and Khanna, G. (2002). Series of abstractions for hybrid automata. In Hybrid Systems: Computation and Control, LNCS 2289, 465-478, Springer. [ZYDGT18] Zaatiti, H., Ye, L., Dague, P., Gallois, J.-P., and Trave-Massuyes, L. (2018). Abstractions refinement for hybrid systems diagnosability analysis. In Diagnosability, Security and Safety of Hybrid Dynamic and Cyber-Physical Systems, 279-318, Springer.[GGB23] Gueuziec, B., Gallois, J.-P., and Boulanger, F. (2023). Qualitative reasoning and cyber-physical systems: abstraction, modeling, and optimized simulation. In MoDeVVa2023-20th Workshop on Model Driven Engineering, Verification and Validation. Moyens / Méthodes / Logicielssimulation, raisonnement qualitatif, apprentissage, analyse de sensibilité Profil du candidat Etudiant(e) master 2 en informatique ou école d’ingénieur