Colloque - David Ryckelynck : Self Supervised Machine Learning of ROM-nets for Mechanics of Materials

Épisode de Informatique et sciences numériques (2025-2026) - Yvon Maday par Collège de France · 24 juin 2026 · 39 min

Yvon Maday

Chaire Informatique et sciences numériques

Collège de France

Année 2025-2026

Colloque : Aspects mathématiques et appliqués des méthodes de réduction de complexité - David Ryckelynck : Self Supervised Machine Learning of ROM-nets for Mechanics of Materials

David Ryckelynck

Professeur à Mines Paris – PSL

Résumé

We propose a general framework for projection-based model order reduction using self-supervised machine learning [1]. For parametric elliptic equations this approach is theoretically based on Céa's Lemma. The proposed methodology, called ROM-net [2], consists in using deep learning techniques to adapt the reduced-order model to a stochastic input tensor whose nonparametrized variabilities strongly influence the quantities of interest for a given physics problem. In particular, we introduce the concept of dictionary-based ROM-nets, where deep neural networks recommend a suitable local reduced-order model from a dictionary. The dictionary of local reduced-order models is constructed from a clustering of vector subspaces in a Grassmann manifold.

It enables the identification of the local low-dimensional subspace in which the solutions evolve for different input tensors. This methodology is applied to an anisothermal elastoplastic problem in structural mechanics coupled to a stochastic thermal field. When using deep neural networks, the selection of the best reduced-order model for a given thermal loading is 60 times faster than when following the clustering procedure used in the training phase. The implementation of local hyper-reduction schemes using a dictionary-based ROM-net is straightforward. The extension to variational inequalities will be addressed at the end of the lecture.

Autres épisodes de « Informatique et sciences numériques (2025-2026) - Yvon Maday »

À propos du podcast

Créée en partenariat avec Inria, la chaire annuelle Informatique et sciences numériques marque une volonté commune de faire valoir l'importance de cette discipline scientifique et la nécessité de lui octroyer une place pleine et entière. Réduction de complexité pour les simulations numériques…

Informatique et sciences numériques (2025-2026) - Yvon Maday

Épisodes similaires

Tous les épisodes de Informatique et sciences numériques (2025-2026) - Yvon Maday · Plus de podcasts Éducation