Doctorant CIFRE - Modélisation mécanique de la variabilité de la résilience dans les aciers F/H

Les essais de résilience Charpy sont couramment utilisés dans l’industrie nucléaire pour certifier les pièces forgées. Toutefois, certains composants de très grande dimension produits par Framatome présentent une forte variabilité des résultats de résilience. Des études antérieures ont montré que les aciers forgés concernés sont fortement hétérogènes à l’échelle mésoscopique, en raison de phénomènes de ségrégation d’éléments d’alliage au cours des opérations de mise en forme. Ces hétérogénéités constituent une cause majeure de la dispersion observée des propriétés de rupture.

L’objectif de cette thèse est de développer un outil numérique performant permettant de mieux comprendre et prédire la variabilité des propriétés de rupture, notamment la résilience et la ténacité, des aciers de forge méso-ségrégés. L’approche combinera simulation mécanique par éléments finis, modélisation probabiliste et intelligence artificielle, dans une perspective de jumelage numérique des matériaux forgés.

Le travail s’articulera autour de trois axes principaux:

Le premier axe portera sur la représentation statistique de la microstructure par IA générative.

Le deuxième axe concernera la modélisation de la rupture par la méthode des éléments finis.

Le troisième axe visera à accélérer les calculs numériques par IA.

Les outils à développer devront permettre de mener des études statistiques à grande échelle afin de mieux comprendre l’origine et la fréqquence des valeurs extrêmes en résilience. La thèse cherchera notamment à distinguer les effets liés aux hétérogénéités de comportement mécanique de ceux liés aux hétérogénéités de résistance à rupture. Des données issues d’autres géométries d’éprouvettes, telles que des éprouvettes CT, pourront également être intégrées.

Profil

Bac + 5, Ingénieur.e ou Master recherche en science des matériaux, ou modélisation des structures

Excellentes bases en mécanique numérique et éléments finis non linéaires ; maîtrise de la programmation en Python et/ou C++ ; intérêt marqué pour les statistiques, la géostatistique et l’intelligence artificielle ; goût pour les applications industrielles et le développement d’outils technologiques.