avec Bruno Després (Sorbonne Université) et Stéphane Jaouen (CEA)
Le cadre de ce travail est l'advection d'interfaces en mécanique multi-fluide dans le formalisme Volume-Of-Fluid (VOF). Dans un premier temps, on s'intéresse à l'utilisation de l'apprentissage statistique (Machine Learning ou ML) au développement de nouveaux schémas VOF. Des schémas VOF-ML entraînés à partir d'exemples de solutions exactes sont comparés à des schémas de l'état de l'art, notamment de type VOF-PLIC. On discute des conditions que doit remplir le réseau de neurones pour garantir les symétries de la solution ainsi que la stabilité du schéma Volumes Finis. Dans un second temps, on présente une méthode pour étendre un schéma VOF bifluide à un nombre arbitraire de fluides. Cette méthode a été développée pour une application aux schémas bifluides entraînés par Machine Learning, mais peut aussi s'appliquer à d'autres schémas bifluides. Quelques résultats numériques en 2D et 3D concluront la présentation.