Dans le domaine de la simulation numérique de phénomènes physiques, un nombre croissant de travaux de recherche se concentre sur l’intégration de méthodes d’intelligence artificielle, et en particulier de machine learning, afin d’améliorer les simulations classiques ou d’accélérer significativement les calculs. La disponibilité croissante de données issues de simulations, qu’elles soient synthétiques ou réelles, a fortement contribué à l’émergence de ces approches, qui se distinguent souvent par leur efficacité en termes de temps de calcul.

Certaines de ces méthodes permettent aujourd’hui de prédire avec précision des régimes stationnaires pour différents types de phénomènes physiques et ce, en un temps nettement réduit par rapport aux méthodes numériques traditionnelles. En revanche, la simulation de phénomènes physiques dynamiques, notamment la prédiction de champs 3D ou de séries temporelles longues, reste un défi pour les approches basées sur les réseaux de neurones et app...