Description
Date depot: 9 octobre 2023
Titre: Hybrid Deep Learning and Physical approaches. Application to energy transition: improving the sustainability of energy systems.
Directeur de thèse:
Patrick GALLINARI (ISIR (EDITE))
Directeur de thèse:
Nicolas THOME (ISIR (EDITE))
Domaine scientifique: Sciences et technologies de l'information et de la communication
Thématique CNRS : Intelligence artificielle
Resumé: This work is part of a multi-disciplinary project aimed at developing machine learning (ML) solutions for energy transition and renewal. The objective of this PhD proposal is to explore the development of hybrid physics-machine learning models by exploring fundamental aspects and applicative ones in the context of multi-scale energy systems.
Résumé dans une autre langue: Ce travail fait partie d'un projet multidisciplinaire visant à développer des solutions d'apprentissage automatique pour la transition et le renouvellement énergétiques. L'objectif de cette proposition de doctorat est d'explorer le développement de modèles hybrides physique-apprentissage machine en explorant les aspects fondamentaux et applicatifs dans le contexte des systèmes énergétiques multi-échelles.
Doctorant.e: Regueiro Espiño Ramón Daniel