Doctorant·e en génie énergétique et environnemental – Écoulements diphasiques et apprentissage automatique
ABG-133511 | Thesis topic | |
2025-09-22 | Public/private mixed funding |
- Energy
Topic description
Le projet doctoral porte sur l’étude et la modélisation des écoulements diphasiques (multiphasiques), phénomènes au cœur de nombreux procédés industriels et énergétiques, notamment thermosyphons.
L’objectif est de développer une compréhension fondamentale et des modèles numériques avancés pour prédire le comportement de ces systèmes complexes, en intégrant :
- la dynamique des fluides et les transferts thermiques,
- ainsi que des méthodes d’intelligence artificielle (apprentissage automatique, vision par ordinateur) pour l’analyse et la reconnaissance de motifs dans les données expérimentales et numériques.
Le/la doctorant·e contribuera à relier modélisation, expérimentation et IA afin de proposer des outils innovants pour la conception de systèmes énergétiques durables. Le projet se déroule dans un environnement collaboratif, en interaction avec des partenaires académiques et industriels, offrant ainsi des perspectives d’application concrètes.
Funding category
Funding further details
Presentation of host institution and host laboratory
Mälardalen University (MDU) est la plus jeune université de Suède, reconnue pour son esprit progressiste et collaboratif. Située à Västerås, à une heure de Stockholm, MDU accueille environ 17 000 étudiant·es et développe une recherche fortement liée aux enjeux sociétaux, en particulier la transition énergétique et la durabilité. L’université entretient des partenariats stratégiques avec de nombreuses entreprises et organisations publiques en Suède et à l’international.
Le/la doctorant·e sera accueilli·e au sein de l’École Business, Society and Engineering (EST), et intégré·e au Future Energy Center (FEC), un centre de recherche pluridisciplinaire dédié aux systèmes énergétiques durables. L’équipe de recherche associe compétences en mécanique des fluides, transferts thermiques, modélisation numérique et intelligence artificielle appliquée à l’énergie. L’environnement de travail est international et collaboratif, favorisant à la fois l’excellence scientifique et les interactions avec l’industrie.
Candidate's profile
Plus d'information sur la page de l'offre: https://web103.reachmee.com/ext/I018/1151/job?site=8&lang=UK&validator=2efd9e54ee423d53334ac7960e3b4e03&job_id=3404
Profil:
Diplôme de Master (ou équivalent) en génie mécanique, génie énergétique, thermique ou domaine proche, avec une spécialisation en mécanique des fluides, transferts thermiques, systèmes énergétiques ou écoulements diphasiques.
Solides connaissances en physique des fluides et thermodynamique.
Compétences en programmation (Python, MATLAB ou équivalent) et analyse de données.
Très bonne maîtrise de l’anglais (oral et écrit).
Atouts supplémentaires appréciés :
Expérience en modélisation et simulation des écoulements multiphasiques.
Intérêt pour l’intelligence artificielle et l’apprentissage automatique appliqués à la mécanique des fluides.
Familiarité avec le traitement d’images et la vision par ordinateur.
Capacité à travailler de manière autonome et en coopération dans un environnement interdisciplinaire.
Ouverture, sens du partage, esprit collaboratif et volonté de contribuer à un environnement de recherche inclusif et respectueux.
Vous avez déjà un compte ?
Nouvel utilisateur ?
Get ABG’s monthly newsletters including news, job offers, grants & fellowships and a selection of relevant events…
Discover our members
Institut Sup'biotech de Paris
PhDOOC
Groupe AFNOR - Association française de normalisation
SUEZ
TotalEnergies
MabDesign
Aérocentre, Pôle d'excellence régional
Généthon
ADEME
ANRT
Nokia Bell Labs France
CESI
ASNR - Autorité de sûreté nucléaire et de radioprotection - Siège
Ifremer
Laboratoire National de Métrologie et d'Essais - LNE
MabDesign
CASDEN
Tecknowmetrix
ONERA - The French Aerospace Lab