Je termine un M.Sc. en mathématiques appliquées à CentraleSupélec, en parallèle de mon diplôme d'ingénieur aérospatial à l'ESTACA. Mes intérêts se situent à l'intersection du scientific machine learning, de la dynamique des fluides et des systèmes autonomes.
Mes travaux actuels au CEA portent sur les modèles génératifs score-based pour des champs physiques issus de simulations numériques directes de l'instabilité de Rayleigh-Taylor. Je m'intéresse en particulier aux modèles génératifs pour les systèmes gouvernés par des EDP, à la turbulence, aux représentations multi-échelles et à l'évaluation physiquement informée.
Création et développement d'une activité indépendante de conseil et de services en ingénierie pour partenaires industriels, centrée sur la simulation, le développement logiciel, la CFD thermique, le prototypage et les systèmes embarqués.
Scientific machine learning pour l'instabilité de Rayleigh-Taylor. Développement de modèles de diffusion score-based en PyTorch pour des champs physiques 2D issus de DNS, incluant représentations multi-échelles, workflows HPC et validation physiquement informée par statistiques et spectres.
Stabilisation de drones multirotors, contrôle de vol, instrumentation et transmission d'énergie laser. Travail avec ArduPilot, MAVLink, Mission Planner, MATLAB et Python, couvrant modélisation, intégration système, essais banc et préparation d'essais en vol.
Analyse technique et analyse de données mission pour l'évaluation du risque et de l'assurabilité de systèmes spatiaux.
Projet de recherche big data : Neural Field Turing Machine pour les équations de Burgers, machine learning, théorie des graphes, modélisation décisionnelle, analyse visuelle.
Cours graduate en Computational Fluid Dynamics II, Machine Learning, Propulsion et Engineering Project Management.
Aérodynamique, mécanique des fluides, propulsion, mécanique du vol, contrôle, modélisation multiphysique et simulation numérique.
Modélisation générative score-based de champs turbulents biphasiques, avec représentations en ondelettes et évaluation physiquement informée.
Comparaison d'approches analytiques, numériques et CFD pour les chocs obliques attachés.
Activité d'ingénierie indépendante centrée sur la simulation, le prototypage rapide, le logiciel, l'électronique et les systèmes autonomes.
Deux participations au challenge étudiant UAV. Première place en 2025 avec un porteur VTOL à voilure fixe réalisant une mission autonome, une détection visuelle de cible et le déploiement d'un drone secondaire.
Machine learning : PyTorch, modèles de diffusion, U-Nets, computer vision, apprentissage de représentations
Calcul scientifique : Python, C, C++, MATLAB, méthodes numériques, HPC, optimisation
Simulation : CFD, Ansys Fluent, SolidWorks Flow Simulation, XFLR5
Systèmes UAV : ArduPilot, MAVLink, Mission Planner, voilure fixe / VTOL, essais en vol
Ingénierie : SolidWorks, CATIA, Fusion 360, capteurs, électronique, prototypage
Je suis intéressé par des opportunités de thèse et de recherche en scientific machine learning, dynamique des fluides et systèmes autonomes.