, 2022.
Ce travail présente une approche hybride combinant la Proper Generalised Decomposition (PGD) et des techniques d'apprentissage profond pour la résolution en temps réel d'équations aux dérivées partielles (EDP) paramétrées. Cette méthode utilise une décomposition tensorielle, propre à la PGD, pour contourner la malédiction de la dimension et s'appuie sur les outils récents d'apprentissage profond pour accroître sa versatilité. L'approche permet ainsi de traiter efficacement des problèmes de grande dimension impliquant plusieurs physiques et plusieurs configurations, tout en conservant l'interprétabilité inhérente à la PGD et à la méthode des éléments finis.
