SystemX, unique IRT dédié à l’ingénierie numérique des systèmes du futur, lance le projet Hybridation Simulation Apprentissage (HSA), premier volet de son programme de recherche « Intelligence Artificielle et Ingénierie Augmentée » (IA2) portant sur le thème de de l’hybridation de l’IA. Ce projet R&D collaboratif d’une durée de 48 mois, réunit 5 industriels (Airbus, Air Liquide, EDF, RTE et SNCF) et 3 laboratoires de pointe (Équipe Tau – Inria Saclay, LIP6 – Sorbonne Université, LIMSI – CNRS) autour de cas d’usage concrets, afin d’étudier et d’élaborer de nouvelles approches hybridant les méthodes de simulation physique et d’apprentissage à partir des données et de lever les verrous scientifiques associés.

La simulation numérique représente aujourd’hui un outil indispensable dans la conception et le pilotage temps réel des systèmes physiques. Mais dans un contexte de plus en plus complexe intégrant plusieurs disciplines et acteurs, les processus de simulation doivent évoluer afin d’améliorer la qualité des décisions prises en conception et en opérationnel. À ces fins, il est intéressant de constater que les ingénieurs disposent aujourd’hui de deux sources principales d’information : les résultats des simulations de modèles mathématiques et numériques classiques (« boites blanches », comme les équations aux dérivées partielles et leur résolution par la méthode des éléments finis par exemple), et par ailleurs les essais réels réalisés sur le système physique considéré et les données terrain capturées qui peuvent alimenter des modèles d’apprentissage (« boites noires »).

SystemX, unique IRT dédié à l’ingénierie numérique des systèmes du futur, lance un vaste programme de recherche emblématique : Intelligence artificielle et ingénierie augmentée (IA2). Ce programme, inédit de par son ampleur et son format, répond aux attentes des industriels qui conçoivent, développent et valident des systèmes. À travers six projets R&D collaboratifs et un projet amont à vocation académique, confié à une personnalité publique de premier plan – Marc Schoenauer, Inria Saclay, l’IRT SystemX propose de développer des solutions hybridant trois approches de modélisation et de simulation : la modélisation physique des systèmes, l’utilisation de connaissances métier ou de modèles de comportements exprimés par des experts, et les modèles d’apprentissage basés sur les données réelles que proposent aujourd’hui les technologies de l’intelligence artificielle.

« Pour la résolution d’un problème industriel, c’est généralement une approche unique qui est aujourd’hui utilisée, issue soit du calcul scientifique, soit de la représentation des connaissances, soit de l’apprentissage statistique. Utilisée isolément, chacune des trois approches, même bien outillée, trouve ses limites, explique Patrice Aknin, directeur scientifique de l’IRT SystemX. Le programme IA2 ambitionne le développement et la mise en œuvre d’approches hybridant ces différents champs scientifiques. C’est l’un des rôles de l’IRT que de détecter les nouvelles avancées scientifiques et de réunir industriels et académiques autour d’une problématique majeure telle que celle de l’hybridation de l’IA ».

_{Image : Organisation du programme IA2}

Arts et Métiers et ESI Group ont inauguré, le 4 février 2020, Create-ID, une chaire internationale d’enseignement et de recherche dans le domaine de l’ingénierie et de l’ingénierie digitale des matériaux, procédés, structures et systèmes. Ce même jour, le Professeur Francisco Chinesta, enseignant-chercheur en ingénierie au Laboratoire procédés et ingénierie en mécanique et matériaux (PIMM – Unité mixte de recherche CNRS/Arts et Métiers/CNAM/HESAM) et titulaire de la Chaire Create-ID, s’est vu remettre la médaille d’argent du CNRS.

La Chaire internationale d’enseignement et recherche Create-ID entre Arts et Métiers et ESI Group, principal éditeur de logiciels et services de Prototypage Virtuel spécialisé en physique des matériaux, porte sur plusieurs axes de recherche liés à l’industrie du futur : la simulation d’étapes de production en temps-réel basée sur des modèles de la physique (via la réduction de modèles), la modélisation ainsi que la simulation conduites par des données et des techniques de l’intelligence artificielle et, enfin, l’hybridation de ces deux composantes pour définir différentes typologies de jumeaux numériques, où les données servent à enrichir les modèles, et les modèles à rendre plus intelligentes les données, dans l’objectif de prédire le comportement d’un matériau / procédé / composante-structure / système, tout au long de sa vie.