Sujet :

Construction et validation d’un jumeau numérique pour la réponse sismique d’un site d’intérêt

Contexte :

Depuis l’accident de Fuskushima (Japon), l’exploitation des moyens de calcul à haute performance (HPC) et des modèles de simulation haute-fidélité devient de plus en plus fréquente pour l’estimation du risque sismique associé aux installations nucléaires (soit pour la conception de nouvelles installations, soit pour estimer les performances des installations existantes face à des éventements extrêmes, non prévus lors de leur conception). Les limitations à l’utilisation de tels modèles sont les importantes ressources de calcul nécessaires pour fournir un niveau de précision élevé, ainsi que le manque de connaissances sur les propriétés mécaniques et l’incertitude élevée associée aux milieux de propagation et aux sources sismiques : les données et mesures disponibles sont limitées et souvent éparses.

Objectif de la thèse :

L’objectif de la thèse est l’élaboration, à partir d’un modèle haute-fidélité, d’un métamodèle apte à rendre compte précisément, et pour un coût de calcul réduit, de la réponse sismique d’un site d’intérêt et des incertitudes associées compte tenu des données disponibles (Sochala and De Martin, 2018, Lopez-Caballero and Khalil, 2018, Sochala et al., 2020). Ce métamodèle représente alors un jumeau numérique pour le site étudié et doit permettre d’effectuer efficacement des études de sensibilités statistiques et de maîtriser les incertitudes associées à la réponse sismique à l’échelle des diverses infrastructures composant le site, ce qui en ferait un outil clé pour les études d’aléa sismique.

Déroulement de la thèse :

La complexité du modèle et la grande variété d’échelles spatiales et temporelles en jeu font que la dimension de l’espace des incertitudes en entrée est très élevée. Des techniques de réduction de dimensionnalité issues des méthodes avancées de machine learning peuvent être exploitées (Ferrario et al, 2015, Alimoradi & Beck, 2015, Sochala et al., 2020) afin de mettre en oeuvre l’étape de métamodélisation par polynômes de chaos, krigeage ou réseau de neurones artificiels. L’entraînement du métamodèle s’appuiera sur des plans d’expérience numériques hautes-performances déployés sur le TGCC (Très Grand Centre de calcul du CEA) à l’aide du code de simulation SEM3D. En cours de développement entre CentraleSupélec, le CEA/DAM et l’Institut de Physique du Globe de Paris, SEM3D permet de résoudre les équations 3D de l’élastodynamique dans un milieu hétérogène viscoélastique à l’aide de la méthode des éléments spectraux (Gatti et al, 2018). Ce code permet d’incorporer dans le métamodèle les irrégularités géologiques et topographiques 3D, les effets de site particuliers, les effets non-linéaires, et des modèles de faille complexes. En outre, une surcouche de deep-learning peut être utilisée pour améliorer la précision des prédictions de mouvement du sol pour les hautes gammes de fréquence caractérisant la vulnérabilité des structures (Gatti & Clouteau, 2020). Cette méthode d’élaboration d’un jumeau numérique sera appliquée au cas du séisme du Teil (11/11/2019) et sur des sites d’intérêt comme les centres CEA de Cadarache et de Marcoule.

Directeur de thèse et école doctorale :

CLOUTEAU Didier
didier.clouteau@centralesupelec.fr
ED 579 – Sciences Mécaniques et Energétiques, Matériaux et Géosciences (SMEMAG)
Université Paris-Saclay

Encadrant :

BERTIN Michaël
CEA/DAM Ile-de-France – Bruyères-le-Châtel, 91297 Arpajon
Tél. : 01.69.26.40.00. – michael.bertin@cea.fr