Paul Saves, doctorant ISAE-SUPAERO/ONERA remporte le prix du meilleur papier 2022 délivré par l’AIAA

Paul Saves remporte ce prix pour ses travaux en Conception Optimale Multidisciplinaire. Une pierre de plus pour construire une aviation décarbonée.

Le contexte
L’AIAA, American Institute of Aeronautics and Astronautics), est un acteur incontournable de son secteur. Avec près de 30 000 membres individuels de 91 pays et 100 entreprises membres, il rassemble l'industrie, le milieu universitaire et le gouvernement pour faire progresser l'ingénierie et la science dans l'aviation, l'espace et la défense.

Chaque année, il décerne des prix scientifiques, dont la valeur tient à la qualité du jury puisque l’AIAA est composé de professionnels parmi les plus grandes entreprises de l’aéronautique (Boeing, NASA, etc). 

Il est rare que ce prix soit attribué à un européen : il s’agit donc d’une très belle reconnaissance pour l’ISAE-SUPAERO et l’ONERA.

Ce prix a été remis au National Harbour de Washington, D.C. le 25 janvier dernier par le MDO Technical Committee de l’AIAA.

Le prix, une collaboration réussie
Il est le fruit d’une collaboration fructueuse entre l'ISAE-SUPAERO (J. Morlier), Polytechnique Montréal (Y. Diouane) et d'une équipe du département Traitement de l'information et systèmes de l'ONERA (N. Bartoli, C. David, S. Defoort, T.Lefebvre, E. Nguyen Van) dans le cadre de la thèse de doctorat de Paul Saves.

Cette thèse porte sur le même domaine que le papier primé, l’optimisation avant-projet de concepts d’avion plus respectueux de l’environnement.

La thématique de l’optimisation est cruciale pour Paul. Si elle lui tient particulièrement à cœur, c’est qu’il s’agit, pour lui, d’un des leviers clés pour aller vers la décarbonation. En effet, l’idée est d’optimiser numériquement les configurations possibles de l’avion (par exemple, les options d’architecture électrique, le nombre et la position des moteurs, les réservoirs d’hydrogène,…) le plus rapidement possible. Puisqu’un calcul numérique peut être très gourmand en énergie et en temps de calcul,  le but est d’optimiser l’appel aux modèles coûteux en les évaluant aussi peu que possible.

Paul Saves résume ses travaux ainsi :
Les méthodes d’optimisation de conception multidisciplinaire visent à adapter les techniques d’optimisation numérique à la conception de systèmes d’ingénierie impliquant plusieurs disciplines. Dans ce contexte, un grand nombre de variables mixtes continues, entières et catégorielles peuvent apparaître pendant le processus d’optimisation et les applications pratiques impliquent un grand nombre de variables de conception. Récemment, l’optimisation bayésienne sous contrainte de variables mixtes a suscité un intérêt croissant, mais la plupart des approches existantes augmentent considérablement le nombre d’hyperparamètres liés au modèle de substitution. Dans cet article, nous abordons ce problème en construisant des modèles de substitution utilisant moins d’hyperparamètres. Le processus de réduction est basé sur la méthode des moindres carrés partiels. Une procédure adaptative pour choisir le nombre d’hyperparamètres est proposée. Les performances de l’approche proposée sont confirmées par des tests analytiques ainsi que par deux applications réelles liées à la conception d’avions.

Pour en savoir plus sur le papier "Bayesian optimization for mixed variables using an adaptive dimension reduction process: applications to aircraft design"

Plus d'informations