WORKSHOP

9th Thematic School of Numerical Simulation:  Machine Learning and Numerical Simulation
9ème École Thématique de Simulation Numérique :  Simulation numérique et Machine learning 

8 – 12 July 2019

Scientific Committee 
Comité scientifique

Jean-Philippe Braeunig (CEA, DAM)
Florian De Vuyst (UTC, , Sorbonne Universités)
Jean-Michel Ghidaglia (ENS Paris-Saclay)
Antoine Llor (CEA, DAM)
Raphaël Loubère (CNRS, Université de Bordeaux)
Mathieu Peybernes (CEA, DEN)

Organizing Committee
Comité d’organisation

Renaud Motte (CEA, DAM)
​Gilles Naulin
(CEA, DAM)
Vincent Rivoire (CEA, DAM)

Description
Organized every year by the Laboratoire de Recherche Correspondant de Modélisation Mésoscopique (LRC MESO), the Thematic School of Numerical Simulation brings together participants around the following topics:

  • Modeling ,
  • Numerical Analysis ,
  • Verification and Validation ,
  • High-Performance Computing.

The aim of this school is to allow physicists, numerical engineers and computer scientists from Industry or Academia to share their experience on topics of common interest, and to develop their expertise in numerical simulation by comparing their points of view.

The chosen format – lectures, round tables, tutorials and working groups – is intended to cover many aspects of numerical simulation applied to complex flows and to promote exchanges.

​The ninth edition of the ETSN will take place from 8 to 12 July 2019 at the Centre International de Rencontres Mathématiques in Luminy, and will be devoted to: « Machine Learning and Numerical Simulation ». It is supported by leading university laboratories and embodies the partnership between Research and Industry.

Organisée par le Laboratoire de Recherche Correspondant de Modélisation Mésoscopique (LRC MESO), l’École Thématique de Simulation Numérique (ETSN) réunit chaque année les participants autour des sujets suivants :

  • modélisation ;
  • analyse numérique ;
  • vérification et validation ;
  • calcul haute performance.

Le but de cette école est de permettre à des ingénieurs physiciens, numériciens et informaticiens de partager leur expérience sur des thèmes d’intérêt commun, et de développer leur expertise en simulation numérique en confrontant leurs points de vue à ceux de partenaires du monde académique.

Le format retenu – cours, tables rondes, travaux dirigés et groupes de travail – est destiné à permettre d’aborder de nombreux aspects de la simulation numérique appliquée aux écoulements complexes et à favoriser les échanges.

​​

List of speakers

D. Bouche (CEA, DAM)
C. Brayer (CEA, DEN)
D. Hateau (CEA, DAM)
J.B. Maillet (CEA, DAM
A. Marrel (CEA, DEN)
J.-M. Martinez (CEA, DEN)
M. Mougeot (ENS Paris Saclay)
N. Vayatis (ENS Paris Saclay)
L. Vervisch (CNRS-CORIA)
J.C. Weill (CEA, DAM)

Main topics will include
• Introduction to machine learning
• Machine learning tools for molecular simulation
• Gaussian Process Surrogate Model
• Neural networks for mineral identification from spatial hyperspectral images
• Improvement by machine learning of RANS turbulence models

SPONSORS