Les tests d'apprentissage sont désormais plus modulables. En effet, à partir d'une base de donnée d'apprentissage, il est désormais possible de choisir quels paramètres on souhaite apprendre parmi α, ν, κ, β0, β1, β2, β3, ainsi que moduler le nombre maximal de calcul de la fonction de coût et le seuil d'erreur de la méthode DIRECT.

Ces nouvelles fonctionnalités ont été testées sur un apprentissage de ν et β1... Lire la suite

Des routines ont été ajoutées dans le code MPI-C afin de résoudre les systèmes linéaires avec la méthode itérative BiCG-Stab et ainsi accélérer leur résolution lorsque le code est lancé en parallèle.

Par ailleurs, des éléments de code basés sur Python-Matplotlib ont été intégrés afin de faciliter la visualisation de données via des images ou des animations.

Un premier test d'identification de paramètre a été mené. Le cadre est celui d'un petit échantillon construit en bruitant un résultat numérique obtenu par le code FreeFem. L'identification se fait via une méthode de minimisation d'une fonctionnelle de coût basée sur un appel du code d'éléments finis et qui évalue la déviation entre une donnée de sortie et le scénario simulé depuis la donnée d'entrée correspondante.

Il en ressort que, même avec un "faible" nombre de noeuds de maillage, le coût en temps de calcul peut être extrêmement grand si le code n'est pas parallélisé en raison du grand nombre d'appel au code d'éléments finis.

Une étude de sensibilité paramétrique a été menée sur le disque durant l'été afin de repérer d'éventuels phénomènes de saturation de la solution du modèle selon un ou plusieurs paramètres du modèle, et ainsi en tirer des conclusions pour fixer le cadre de travail pour les méthodes d'apprentissage à venir.

Il en ressort 2 principaux régimes qui se distinguent selon le signe de β1 - β2 : si ce terme est positif, la production de richesse tend vers 0, et s'il est négatif, la production de richesse n'est pas bornée en temps infini. Par ailleurs, il a été relevé une accélération de la dynamique en temps lorsque β0 est grand.

Il convient donc de se placer dans un domaine en temps pas trop grand afin de mener une procédure d'apprentissage. Des modifications du modèle sont également à envisager à plus long terme.

Ces résultats ont été présentés par Jahir lors de la soutenance de son stage au laboratoire Icube à Strasbourg.

Parallèlement aux travaux de Jahir, un code en MPI-C est en cours d'implémentation afin de répondre aux besoins en mémoire et en capacité de calcul que représente le maillage d'un domaine en espace comme celui d'une ville ou d'une agglomération : par exemple, pour mailler un domaine basé sur les contours de la Métropole Européenne de Lille, 30775 triangles et 15667 noeuds P1 sont nécessaires.

Par ailleurs, le code FreeFem++ intègre désormais la possibilité de traiter des entrées-sorties au format VTK, et les contours d'une ville comme Roubaix peuvent être utilisés comme géométrie d'un domaine.

Pour construire de tels maillages et les partitionner en vue d'une parallélisation massive, nous nous appuyons sur des données issues de l'Opendata de la MEL, sur le logiciel de maillage Gmsh et la librairie de données géospatiales Python-Geopandas.

Jahir Tautiva-Medina, étudiant en Master 2 de Mécanique Numérique à l'Université de Strasbourg, rejoint le projet comme stagiaire pour une durée de 6 mois. Ses premiers travaux consisteront à interfacer le code FreeFem++ avec des jeux de données de l'opendata de la Métropole Européenne de Lille.

L'agence Maths-Entreprises (AMIES) a sélectionné le projet MAATECO dans le cadre de son appel à projets PEPS (Projets Exploratoires Premier Soutien) Objets Connectés.