Socle Modélisation
Cette équipe transversale vient en appui à l’ensemble des axes de recherche de la Chaire en appliquant son savoir-faire en modélisation aux matériaux et (bio)procédés. Plus précisément, ces travaux visent à accompagner numériquement le changement d’échelle. Ainsi, à partir d’expériences à petite échelle, conçues en synergie entre expérimentateurs et modélisateurs, il nous est possible de déterminer les paramètres clef des modèles qui serviront à la conception de systèmes de grande taille. Les axes de recherche balayant de larges thématiques, le socle modélisation repose sur la maîtrise de nombreuses disciplines telles que la thermodynamique, la mécanique des milieux continus, les transferts couplés chaleur / matière (même hors équilibre), la modélisation de systèmes biologiques et leur couplage avec des modèles physiques.
Le socle modélisation mobilise des compétences en :
- Modélisation discrète, pour faire émerger le comportement de la population à partir des individus ; modélisation continue, pour appliquer nos méthodes sur des objets de grande taille ; homogénéisation, pour faire le lien entre les deux approches précédentes. Enfin, nous déployons de méthodes de machine learning afin d’explorer les espaces multidimensionnels complexes que représentent les données biologiques que nous générons.
- Calcul scientifique, s’appuyant notamment sur des méthodes de Calcul Hautes Performances (HPC, en anglais), pour réaliser des simulations à grandes échelles et des expériences virtuelles. La Chaire dispose pour cela d’un partenariat avec l’URCA afin de pouvoir accéder aux ressources du supercalculateur ROMEO.
Approches développées
Modélisation discrète
La modélisation par approches discrètes se place à l’échelle des individus pris séparément. Ainsi, chaque levure, chaque microalgue a son propre comportement. En considérant un grand nombre d’individus, potentiellement différents, il est possible d’obtenir le comportement de la population. Cette approche est très riche en information, mais habituellement limitée à une échelle locale. Cependant, grâce au HPC, il est possible d’en repousser les limites. Par exemple, nous sommes aujourd’hui capables de reproduire intégralement une expérience de co-culture sur milieu solide de levures et microalgues.
Modélisation continue
La modélisation par approche de milieu continu s’intéresse à des systèmes d’échelle macroscopique. Elle permet ainsi de considérer des procédés/matériaux. Par exemple, nous utilisons la CFD (Computational Fluid Dynamics) pour calculer les écoulements fluides au sein des bioréacteurs. Ou encore des approches de type Lattice-Boltzmann pour simuler les transferts hors équilibre chaleur matière dans les matériaux. Notre domaine de prédilection étant l’évolution de l’humidité au sein de matériaux lignocellulosiques, dont les propriétés et la longévité dépend fortement. L’usage d’HPC apporte alors la capacité de calcul pour travailler sur de grands champs spatio-temporels (4D) et ainsi décrire au mieux les objets d’études.
Machine learning
Aujourd’hui, les données biologiques peuvent être générées en grand nombre. C’est par exemple le cas des données génomiques. Etant certes d’ampleur moindre, les données biologiques/biotechnologiques se sont fortement enrichies au cours des dernières années. Par exemple, nous utilisons des méthodes de clustering pour analyser nos résultats cytométriques (10000 points de mesures sur 5 dimensions en quelques minutes). Les cultures cellulaires sont aussi des environnements complexes aux propriétés radiatives particulières. Ainsi, nos mesures spectrales (plusieurs milliers de features) renferment des informations importantes (quantité de cellules, de substrats, de métabolite d’intérêt) que nous extrayons par machine learning.
Exemples de réalisation
• Calcul de propriétés sur morphologies 3D réelles et virtuelles (Projet PredicTBiomat) Approche continue
• Conception d’un dispositif d’éclairage pour photobioréacteur, Approche discrète
• Modélisation couplés CFD & biologique d’un photobioréacteur, Continu + discret
• Modélisation cultures sur milieu solide (microalgues, levures, champignons) Discret
• Modélisation de cultures mixtes : microalgues & levures, milieu solide et liquide Discret, continu
• Calculs multi-échelle température/humidité dans les matériaux pour le bâtiment (Projet SMART Réno) continu
• Upscaling de solutions de purification de biogaz et syngaz (Projet Vitrhydrogène ) Continu
Moyens
• Accès au supercalculateur ROMEO
• Logiciels : OpenFOAM, codes développés en interne
• Langages de programmation : Fortran, R, Python, C++