Utilisation de l'IA pour accélérer les simulations numériques : application à la conception de rubans supraconducteurs dans les secteurs de l'énergie et de la médecine

 

Les rubans supraconducteurs sont utilisés dans des dispositifs à haute puissance tels que les câbles, les limiteurs de courant de défaut, les transformateurs et les machines supraconductrices comme les moteurs et les génératrices. On les trouve également dans les bobines de génération de champ magnétique — servant entre autres à produire des champs magnétiques puissants utilisés dans les secteurs de la recherche fondamentale, de la protonthérapie ou de l'énergie de fusion. Le projet vise à concevoir des outils numériques basés sur l'intelligence artificielle pour émuler les résolveurs d'équations aux dérivées partielles en 2D et en 3D dans le domaine temporel. Ensuite, ils seront appliqués aux structures à multiples couches fines qui présentent des propriétés non linéaires — par exemple, les rubans supraconducteurs — afin de raccourcir le temps de calcul et, à terme, de concevoir une architecture optimale pour les rubans supraconducteurs en prenant en compte les variations de leurs propriétés à l'échelle millimétrique. L'École Polytechnique de Montréal mettra à profit son expertise dans les sciences des matériaux et la modélisation, et le CNRC apportera son expertise de l'IA et de l'apprentissage automatique pour les simulations.

Équipe

Frédéric Sirois

M. Frédéric Sirois est professeur titulaire à l'École Polytechnique de Montréal. Il a publié à ce jour plus d'une centaine d'articles scientifiques. Il s'intéresse principalement à la caractérisation et à la modélisation des propriétés électriques et magnétiques des matériaux, à la modélisation et à la conception de dispositifs électromagnétiques et supraconducteurs, et à l'intégration des dispositifs supraconducteurs dans les systèmes de puissance. Il est l'un des fondateurs du Laboratoire de supraconductivité et de magnétisme, et il est aussi membre du Regroupement québécois sur les matériaux de pointe (RQMP).

Pour en savoir plus sur Frédéric Sirois.

Christian Lacroix, Ph. D.

M. Christian Lacroix est associé de recherche à l'École Polytechnique de Montréal. Expert de la caractérisation et de la modélisation des propriétés électriques et magnétiques des matériaux, il s'intéresse en particulier aux matériaux supraconducteurs destinés aux applications à haute puissance, aux aspects dynamiques du magnétisme dans les substances ferromagnétiques et aux interactions entre la lumière et la matière.

Pour en savoir plus sur Christian Lacroix (en anglais seulement).

Julio Valdés, Ph. D.

M. Julio Valdés est agent de recherche principal au Conseil national de recherches du Canada (Centre de recherche sur les technologies numériques, équipe de la science des données sur les systèmes complexes). Il s'intéresse en particulier à l'analyse des données, à l'apprentissage automatique, à l'intelligence informatique, à la reconnaissance des formes, au traitement des images et des signaux numériques et à la visualisation des données. Ses domaines d'activité englobent de nombreux secteurs de la recherche multidisciplinaire, dont la biologie, la médecine, le génie civil et aérospatial, et les sciences de la terre, de l'environnement et de l'espace. Il est membre senior de l'IEEE et coprésident du groupe de travail de la société d'intelligence informatique de l'IEEE sur l'intelligence informatique dans les sciences de la terre et de l'environnement. Il est également coprésident du groupe d'intérêt spécial de l'International Neural Network Society sur le même sujet. Il est enfin professeur associé à l'Université d'Ottawa et à l'Université Carleton, et est affilié à l'Institut des sciences des données de l'Université Carleton. Il compte à son actif plus de 270 publications dans des livres, des revues, des documents de conférence et des rapports techniques.

Alain Tchagang, Ph. D.

M. Alain Tchagang est agent de recherche au Conseil national de recherches du Canada. Ses travaux lui ont permis d'acquérir une vaste expérience sur la combinaison des méthodes de pointe en traitement statistique des signaux et en apprentissage automatique pour résoudre des problèmes nouveaux et complexes dans les domaines des sciences de la vie, de la physique et du génie.

Pour en savoir plus sur Alain Tchagang (en anglais seulement) et ses projets (en anglais seulement).