Doctorant·e en génie énergétique et environnemental – Écoulements diphasiques et apprentissage automatique
ABG-133511 | Sujet de Thèse | |
22/09/2025 | Financement public/privé |
- Energie
Description du sujet
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.
Nature du financement
Précisions sur le financement
Présentation établissement et labo d'accueil
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.
Profil du candidat
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 ?
Vous souhaitez recevoir nos infolettres ?
Découvrez nos adhérents
Groupe AFNOR - Association française de normalisation
MabDesign
Ifremer
Aérocentre, Pôle d'excellence régional
SUEZ
Nokia Bell Labs France
CASDEN
ONERA - The French Aerospace Lab
TotalEnergies
CESI
Institut Sup'biotech de Paris
Généthon
Tecknowmetrix
PhDOOC
ANRT
ASNR - Autorité de sûreté nucléaire et de radioprotection - Siège
MabDesign
ADEME
Laboratoire National de Métrologie et d'Essais - LNE