Description du projet
Un nouveau cadre de modélisation de la dynamique des fluides axé sur les architectures avancées émergentes
Toutes sortes de systèmes naturels et artificiels présentent des écoulements réactifs turbulents (avec des réactions chimiques), qu’il s’agisse du flux sanguin artériel, du pétrole et du gaz dans les pipelines, en passant par l’air qui circule au-dessus des ailes d’avion, les fluides de travail dans les pompes et les turbines et les réactifs dans les réacteurs chimiques. L’utilisation de logiciels de dynamique des fluides pour modéliser ces processus est devenue une procédure standard dans ces différents domaines. Le matériel informatique évoluant très rapidement, cela permet d’augmenter considérablement la vitesse et la charge de calcul. Avec le soutien du programme Actions Marie Skłodowska-Curie, le projet REDAFLOW développera un cadre de modélisation flexible et généralisé pour les écoulements turbulents et réactifs, conçu pour exploiter les architectures de calcul haute performance émergentes.
Objectif
REDAFLOW aims to develop a generalised, computationally efficient and scalable modelling framework for simulating turbulent and reacting flows, aimed at the latest and emerging high-performance computing architectures. Current state of the art classic modelling approaches developed from simplifying assumptions (in-compressible, self-similar, non-reacting) limit the generality and application domain of computational fluid dynamic simulations which is becoming the workhorse in industry for virtual prototyping. At the same time, a large number of flow-dependent and reaction-dependent model parameters limit the predictive ability and robustness of numerical simulations. The novelty of the proposed framework is twofold: reconstruction/deconvolution will be employed for modelling in a generalised and parameter-free framework unresolved terms in the governing equations while machine-learning will be employed to model the chemical kinetics including detailed-chemistry effects. The necessary filtering and interpolation schemes as well as all the deconvolution algorithms and chemistry neural network libraries will be developed in-house in stand-alone libraries, and optimised for use with state of the art parallelisation libraries. The proposed framework is expected to reduce the computational time required for tabulation-based reacting flow simulations, improve the simulation predictions, and allow a wider range of practical flows to be simulated under a generalised framework, irrespective of the flow or reaction regime. The tools and libraries developed are expected to attract the interest of a range of industries (chemical, automotive, aerospace, software, consulting) where simulation is the main tool for developing improved processes and designs for a wide range of engineering devices.
Champ scientifique (EuroSciVoc)
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN.
CORDIS classe les projets avec EuroSciVoc, une taxonomie multilingue des domaines scientifiques, grâce à un processus semi-automatique basé sur des techniques TLN.
- sciences naturellesinformatique et science de l'informationlogiciel
- sciences naturellessciences physiquesmécanique classiquemécanique des fluidesdynamique des fluidesdynamique des fluides computationnelle
- sciences naturellesinformatique et science de l'informationintelligence artificielleintelligence de calcul
Vous devez vous identifier ou vous inscrire pour utiliser cette fonction
Mots‑clés
Programme(s)
Régime de financement
MSCA-IF - Marie Skłodowska-Curie Individual Fellowships (IF)Coordinateur
76 801 Saint-Etienne-du-Rouvray
France