Cadre méthodologique pour assurer la spécification d'un simulateur par apprentissage machine profond en vue de sa validation

Résumé 0

Les codes de simulation numérique industriels sont basés le plus souvent sur une modélisation hypothético-déductive permettant d'obtenir des avancées significatives sur la prédiction et la compréhension de phénomène. Les techniques d'apprentissage machine profond rendent possible la mise au point de simulateurs sur des phénomènes pour lesquels on ne dispose pas de modèle théorique satisfaisant. Cependant, contrairement à l'approche hypothético-déductive, les simulateurs par apprentissage machine sont développés empiriquement sans être bordés par un cadre formel de spécification et de validation pénalisant leurs acceptabilités opérationnelles. Le cadre méthodologique que nous proposons s'inspire de travaux portant sur la spécification de simulations multi-agent, d'une part, et se base sur une clarification épistémologique de l'apprentissage machine, d'autre part. Cette méthodologie consiste à définir les spécifications formelles du simulateur par apprentissage machine, son modèle sous-jacent, pour ensuite établir une démarche rigoureuse de validation