Présentation
ALChEMY vise à développer une approche de modélisation unifiée, capable de prédire le comportement des nouvelles technologies de combustion flexibles, efficaces et non-polluantes. ALChEMY repose sur une combinaison de méthodes expérimentales et numériques, reliées entre elles par des techniques d’apprentissage automatique. Des données expérimentales d’haute-fidélité et des simulations d’écoulements réactifs, multiéchelle et multi-physique, seront traitées pour développer des modèles d’ordre réduit capables de capturer le comportement d’un système réel, avec un coût de calcul négligeable par rapport à la simulation complète. La méthodologie sera démontrée dans le cas d’un système de combustion MILD : le premier jumeau numérique pour ce type de système sera développé dans le cadre du projet. Nous prévoyons une large application de la méthodologie proposée au-delà de la combustion, dans l’industrie des procédés, la science des matériaux et les procédés de fabrication.
Promoteurs
- Alessandro Parente, École polytechnique de Bruxelles
- Nedunchezhian Swaminathan, Department of Engineering, Université de Cambridge
Le chercheur postdoctoral Golnoush Ghiasi a été engagé sur ce projet grâce au financement de la Fondation.
Publications
Machine Learning and Its Application to Reacting Flows (Springer 2023) > plus d’infos
« Data-driven models and digital twins for sustainable combustion technologies », Perspective (Volume 27, Issue 4, 19 avril 2024) > plus d’infos.