Sujet de thèse : machine learning pour le pilotage optimisé d'un réacteur nucléaire F/H

Mise en ligne le 29/05/2025

Principales caractéristiques de l'offre d'emploi
Type de contrat :
Thèse
Niveau de formation :
BAC +4 / BAC +5
Expérience :
5 - 10 ans
Spécialité(s) :
Recherche & Développement
Pays / Région :
France / Ile-de-France
Département :
Yvelines (78)
Ville :
Chatou

Description de l'offre

Contribuer à la flexibilité du nucléaire français et à la décarbonation du mix énergétique par le développement d’un outil d’aide au pilotage des cœurs de réacteur basé sur l’intelligence artificielle : pour prévoir l’évolution temporelle de l’état du réacteur et en optimiser la stratégie de pilotage.

Contexte

Le nucléaire, avec sa production pilotable, représente le complément idéal aux Energies Renouvelables pour garantir l’équilibre offre/demande du réseau dans un contexte de lutte contre le réchauffement climatique (pas d’émission de CO₂) et les polluants atmosphériques (oxydes d’azote, etc.).
EDF investit aujourd’hui dans les outils d’aide au pilotage qui accompagnent les opérateurs et les ingénieurs lors de la réalisation des baisses et remontées de charge : les outils aujourd’hui développés à la R&D, dotés d’un noyau de calcul neutronique, permettent aux différents acteurs de prévoir l’effet de leurs actions (dilution/borication, mouvement des grappes, …) sur le réacteur et de choisir leur stratégie de pilotage de manière à respecter les limites de fonctionnement (contraintes de sûreté).
En complément de l’approche « physique du réacteur », de nouvelles approches basées sur l’intelligence artificielle sont à l’étude, par exemple pour accélérer les calculs ou pour définir une stratégie de pilotage optimale.

Objectifs de la thèse

Cette thèse s’inscrit dans la lignée de plusieurs stages et une thèse explorant les potentialités de ces approches et dont les fruits sont désormais en partie intégrés aux outils utilisés par l’ingénierie.
Le principal objectif de cette thèse sera de mettre en place un algorithme d’apprentissage par renforcement adapté à la problématique métier (l’aide au pilotage d’un réacteur nucléaire) applicable par l’opérateur en salle de commande. Des méthodes d’optimisation « alternatifs » seront aussi à développer en guise de benchmark.
La contribution du doctorant est également attendue sur la poursuite du développement d’un modèle de prévision de l’évolution temporelle de l’état du cœur du réacteur. Le modèle existant, développé dans le cadre d’une thèse précédente, combine déjà modèles statistiques, basés sur l’historique de données réelles des réacteurs d’EDF, et modèles physiques ; dans ses axes d’amélioration figure par exemple l’intégration de résultats de simulation du code de calcul neutronique.
Les principales difficultés techniques du sujet dérivent, entre autres, de : la complexité de la physique en jeu (variables cachées telles que le Xénon, hétérogénéité de temps caractéristiques) ; les incertitudes associées à l’environnement (potentielle évolution des contraintes au cours du transitoire, interfaçage avec l’humain), l’utilisation de codes de calculs scientifiques nécessitant des ressources informatiques importantes, le développement de plusieurs agents spécialisés pour des objectifs différents.

Profil souhaité

Niveau d’études : recherche en mathématiques, grandes écoles

Compétences techniques :
Data science, machine learning, statistique

Langues : français ou anglais de bon niveau (écrit et parlé)

Savoir-être : autonomie, initiative, esprit critique, créativité, motivation, rigueur.

Les connaissances suivantes sont un plus :
- Domaine nucléaire
- Langage informatique : python
- Autres domaines des mathématiques appliquées
- Rédaction scientifique