EDF
EDF
France

STAGE -Optimisation des plans de chargement- développement et benchmark algorithmes avec métamodèles F/H

Nuclear energy / Nuclear engineeringReactor physics / Neutron simulationOptimization algorithms

Publié il y a 3 jours

Stage
⏱️4-6 mois
💼Présentiel
📅Expiré il y a 16 jours
Utilise l’IA pour gagner du temps.

Description du poste

Au sein du département PERICLES de la R&D d’EDF, vous intégrerez le groupe Simulation Neutronique des Coeurs, dont la mission est de développer, valider et qualifier des codes et applications, ainsi que les schémas de calcul associés, permettant de simuler d’un point de vue neutronique le fonctionnement des cœurs de réacteur, actuels ou futurs.

Le stage s’inscrit dans le développement d’algorithmes d’optimisation des plans de chargement. Lorsqu’un réacteur est arrêté pour rechargement, le quart ou le tiers des assemblages de combustible les plus irradiés est remplacé par du combustible neuf. La manière de placer les assemblages dans la nouvelle recharge, appelée plan de chargement, doit alors être optimisée afin de respecter des critères de sûreté.

Ce problème d’optimisation multiobjectif est un problème combinatoire difficile pour lequel des algorithmes issus de métaheuristiques classiques (recuit simulé, recherche tabou, algorithme génétique, colonies de fourmis, etc.) ont été développés. Ces algorithmes, bien que efficaces, sont contraints par le temps de calcul des évaluations neutroniques de sûreté de chaque état.

Le développement récent des métamodèles neutroniques, qui accélèrent grandement ces temps de calcul, permet d’envisager des algorithmes plus avancés, notamment des algorithmes de recherche arborescente. Les buts principaux du stage seront donc de :

Les buts principaux du stage seront donc de :

  • Effectuer une recherche bibliographique sur l’optimisation des plans de chargement avec métamodèle
  • Tester les heuristiques actuelles en remplaçant les évaluations neutroniques par le métamodèle
  • Développer un ou plusieurs algorithmes de recherche arborescente, que l’on pourra dans un second temps coupler avec un algorithme d’apprentissage par renforcement
  • Mettre en place des benchmarks et comparer les différents algorithmes