Aller au contenu principal
OceanData Consulting
Étude de cas · Émulation IA

Surrogate FNO à Brest : émuler les courants de surface CROCO

Un opérateur neuronal de Fourier évalue les courants de surface d’un modèle CROCO à 250 m sur des fenêtres temporelles multi-départs, à partir d'un état initial physique.

Toutes les études de casPar Matthieu Caillaud · Publié le 4 août 2026 · Mis à jour le 12 septembre 2026
Résultats mesurés

Les chiffres qui résument l’étude

15,54 %L2 médiane, lead 50, seed 0
32,56 %Baseline harmonique B1a
31,00 %Init. harmonique, 237 fenêtres
32,57 %B1a, 237 fenêtres

Tester une émulation temporelle sans confondre vitesse et fidélité

Un modèle hydrodynamique côtier résout une physique riche, mais son coût limite les itérations de scénario. Le projet teste si un FNO 2D autorégressif peut reproduire un champ de courants de surface CROCO à 250 m.

Le run de surface couvre 570 jours ; l’erreur L2 relative est mesurée à lead 50 (12,5 h) sur 238 fenêtres multi-start, avec une condition initiale issue de l’état CROCO exact.

Méthode

Une chaîne de calcul vérifiable

01

Construire la référence numérique

Les sorties de surface d’un modèle CROCO de la rade de Brest, à 250 m sur 570 jours, fournissent les séquences d’apprentissage et d’évaluation.

02

Apprendre l’opérateur

Le FNO 2D apprend l’évolution du champ dans l’espace spectral, puis produit les pas suivants de manière autorégressive.

03

Évaluer un cycle complet

La métrique L2 relative est agrégée à lead 50 (12,5 h) sur 238 fenêtres multi-start, afin de ne pas retenir seulement la meilleure séquence.

04

Comparer à une référence simple

La baseline harmonique B1a sert de référence. Une expérience distincte sur 237 fenêtres part d’une condition harmonique et vérifie la limite d’une initialisation sans état CROCO exact.

Validation

Ce que les confrontations montrent

Le résultat dépend de l’état initial

Avec l’état CROCO exact, le run de surface donne 15,54 % contre 32,56 % pour B1a à lead 50, sur 238 fenêtres. L’expérience harmonique distincte donne 31,00 % contre 32,57 % sur 237 fenêtres : l’émulateur n’est pas une prévision autonome.

La dispersion reste un résultat central

La dispersion des fenêtres de rollout doit être suivie avec la médiane ; une valeur centrale seule ne suffit pas à qualifier l’émulateur.

La performance d’inférence est mesurée, pas le gain global

Les coûts d’inférence et de simulation ne sont comparables qu’à protocole identique ; aucun facteur d’accélération global n’est revendiqué ici.

Domaine de validité

Ce que cette étude ne prétend pas

  • La validation actuelle mesure la fidélité au modèle CROCO, pas encore l’accord avec des observations in situ indépendantes.
  • La dispersion des rollouts impose de suivre plusieurs quantiles, pas uniquement la valeur médiane.
  • Ce FNO traite l’émulation temporelle ; il ne doit pas être confondu avec un UNet de descente d’échelle spatiale.

Vous cherchez à réduire le coût d’un ensemble de scénarios ?

Nous évaluons d’abord la métrique, la baseline et le domaine de validité avant de choisir une architecture de surrogate.

Discuter d’un projet comparable