webTV

Lecture

Lancement de la Chaire industrielle ANR TOPAZE

Lecture

Je dcouvre l'vnement "BATMAN" sur Fortnite ! (Pack Batman + Gotham City)

Lecture

Bio-based aerogels: new eco-friendly porous materials for thermal insulation and controlled release

Lecture

LE PIMENT LE PLUS FORT DU MONDE - 10? SI TU REUSSI - Micro Trottoir

Lecture

La chaire industrielle ANR DIGIMU

+ Toutes les vidéos

 

Fiche descriptive du sujet de thèse

Identification de lois de plasticité cristalline par jumeau numérique et apprentissage statistique

Identification de lois de plasticité cristalline par jumeau numérique et apprentissage statistique

Machine learning for parameter calibration of digital twins in crystal plasticity

Proposition de thèse

Spécialité

Mécanique

Ecole doctorale

Ingénierie des Systèmes, Matériaux, Mécanique, Énergétique

Directeur de thèse

RYCKELYNCK David

Unité de recherche

Centre des Matériaux

ContactDavid RYCKELYNCK
Date de validité

01/10/2021

Site Webhttp://www.mat.mines-paristech.fr/Accueil/Propositions-de-theses/
Mots-clés

Apprentissage automatique, jumeau numérique, loi de comportement, modèle par les données

Machine learning, digital twin, constitutive equations, data-driven modeling

Résumé

Les méthodes de caractérisation par tomographie in situ 4D donnent aujourd'hui accès à des données multimodales (microstructure, endommagement, crystallographie) à haute résolution. Grâce aux progrès des méthodes FFT hautement parallélisables, le passage de l'image au jumeau numérique mécanique est facilité. La comparaison essai/calcul directement à l'échelle de la plasticité et de la rupture offre une opportunité nouvelle extraordinaire pour valider les lois de comportements et les modèles d'endommagement. Mais la complexité des simulations ajoutée au nombre de paramètres des modèles n'a jusqu'ici pas permis d'identifier les modèles directement à l'échelle de la plasticité cristalline. La construction d'espaces latents par auto-encodeur permet d'interpoler des prévisions physiques en captant leur non-linéarité. Cela permet d'échantillonner automatiquement l'espace des prévisions envisageables avec peu de simulations mécaniques à haute fidélité. Grâce à une métrique qualifiant la distance dans l'espace des prévisions, on peut définir des catégories de modèles. Les simulations à haute fidélité sont alors réalisées uniquement pour les représentants de chaque catégorie de modèles. On aboutira au final à une chaîne de modélisation simplifiée extrêmement performante pour calibrer rapidement chaque jumeau numérique. Cette méthode générique sera appliquée à l'identification de lois de plasticité cristalline de matériaux hexagonaux (Titane et/ou Zirconium), en se focalisant notamment sur les cissions critique et matrices d'interaction.

4D in situ tomography characterization methods now provide high-resolution multimodal data (microstructure, damage, crystallography).Massively parallel FFT methods make the transition from image to mechanical digital twin much easier. The direct comparison betweenexperiment and numerical results at the scale of plasticity and fracture offers an extraordinary new opportunity to validate local constitutivelaws and damage models. However, the complexity of such simulations added to the number of parameters of the models is still anobstacle to directly identify the models at the scale of crystal plasticity.The construction of latent spaces by auto-encoder makes it possible to interpolate simulation predictions by capturing their non-linearity.This makes it possible to automatically sample the simulation space with only a few high-fidelity mechanical calculations. Thanks to ametric qualifying the distance in simulation space, categories of models can be defined. High fidelity simulations are then performed onlyfor representative cases of each category of model. In the end, we will end up with an extremely efficient simplified modeling chain forquickly calibrating each digital twin. This generic method will be applied to the identification of crystalline plasticity laws of hexagonalmaterials (Titanium and / or Zirconium), focusing in particular on critical resolved shear stresses and interaction matrices.

Contexte

Le sujet est décrit sur le site du CEA, http://www-instn.cea.fr/formations/formation-par-la-recherche/doctorat/liste-des-sujets-de-these/identification-de-lois-de-plasticite-cristalline-par-jumeau-numerique-et-apprentissage-statistique,2.html

Le projet FOCUS CEA « Expérimentation Numérique et Jumeau Numérique » vise à développer l'apport de l'intelligence artificielle pour la modélisation. Des données 4D obtenues sur du titane commercialement pur sont d'ores et déjà disponibles au sein de la chaire BIGMECA (MINES ParisTech – SAFRAN, https://bigmeca.mines-paristech.fr/). D'autres essais sur des matériaux comme le Zirconium sont envisageables. 


Encadrement

Directeur de thèse : David RYCKELYNCK - Centre des Matériaux
Co-directeur de thèse : Henry PROUDHON - Centre des Matériaux
Co-encadrant externe : Lionel GELEBART - CEA

Profil candidat

Ingénieur et/ou Master recherche - Bon niveau de culture générale et scientifique. Bon niveau de pratique du français et de l'anglais (niveau B2 ou équivalent minimum).
Bonnes capacités d'analyse, de synthèse, d'innovation et de communication. Qualités d'adaptabilité et de créativité. Capacités pédagogiques. Motivation pour l'activité de recherche. Projet professionnel cohérent.

Pré-requis (compétences spécifiques pour cette thèse) : Programmation en python, notion d'apprentissage statistique ou connaissance de la mécanique des milieux continus, mathématiques appliquées, bon niveau en informatique.


Pour postuler : Envoyer votre dossier à recrutement_these@mat.mines-paristech.fr comportant
• un curriculum vitae détaillé
• une copie de la carte d'identité ou passeport
• une lettre de motivation/projet personnel
• des relevés de notes L3, M1, M2
• 2 lettres de recommandation
• les noms et les coordonnées d'au moins deux personnes pouvant être contactées pour recommandation
• une attestation de niveau d'anglais

Engineer and / or Master of Science - Good level of general and scientific culture. Good level of knowledge of French (B2 level in french is required) and English. (B2 level in english is required) Good analytical, synthesis, innovation and communication skills. Qualities of adaptability and creativity. Teaching skills. Motivation for research activity. Coherent professional project.

Prerequisite (specific skills for this thesis):
Programming in python, notion of statistical learning or knowledge of continuum mechanics, applied mathematics, good computer skills.

Applicants should supply the following :
• a detailed resume
• a copy of the identity card or passport
• a covering letter explaining the applicant’s motivation for the position
• detailed exam results
• two references : the name and contact details of at least two people who could be contacted
• to provide an appreciation of the candidate
• Your notes of M1, M2
• level of English equivalent TOEIC
to be sent to recrutement_these@mat.mines-paristech.fr

Objectif

Réaliser une calibration de paramètre de plasticité cristalline avec une exploration rapide et exhaustive de possibilités

Références

Model order reduction assisted by deep neural networks (ROM-net)
T Daniel, F Casenave, N Akkari, D Ryckelynck
Advanced Modeling and Simulation in Engineering Sciences,2020, 7, 1-2
Mechanical dissimilarity of defects in welded joints via Grassmann manifold and machine learning D Ryckelynck, T Goessel, F Nguyen,
Comptes Rendus Mécanique, 2020
Intragranular localization induced by softening crystal plasticity: Analysis of slip and kink bands localization modes from high resolution FFT-simulations results A Marano, L Gélébart, S Forest,
Acta Materialia, 2019, 175, 262 - 275

AMITEX_FFTP (code de simulation massivement parallèle développé au CEA/DES/ISAS/DMS/SRMA) http://www.maisondelasimulation.fr/projects/amitex/general/_build/html/index.html
Incipient bulk polycrystal plasticity observed by synchrotron in-situ topotomography H Proudhon, N Guéninchault, S Forest, W Ludwig
Materials, 2018, 11 (10)

Analysis of the damage initiation in a SiC/SiC composite tube from a direct comparison between large-scale numerical simulation and synchrotron X-ray micro-computed tomography Y Chen, L Gélébart, C Chateau, M Bornert, C Sauder, A King
Int. J. Solids Struct., 2019, 161, 111 - 126

Type financement

Contrat de recherche

Document PDF

https://www.adum.fr/script/downloadfile.pl?type=78&ID=36301

Retour à la liste des propositions

Fiche descriptive du sujet de thèse - MINES ParisTech
Partager

actualité

Michel Jeandin, directeur de recherche au Centre des Matériaux de MINES ParisTech, nous quitte pour une retraite bien méritée

Recherche Michel Jeandin, directeur de recherche au Centre des… Magicien de la matière et passionné par les…
> En savoir +

Femmes de science

Formation Femmes de science   Chercheuses confirmées, doctorantes ou élèves…
> En savoir +

Médaille de l'Académie de l'air & de l'espace 2020 pour Georges Cailletaud

Entreprise Médaille de l'Académie de l'air & de l'espace 2020… Georges Cailletaud, professeur MINES ParisTech s'est vu…
> En savoir +

Lutte contre la pandémie de coronavirus

Formation Lutte contre la pandémie de coronavirus Vous trouverez sur cette page les dernières consignes…
> En savoir +

Andreï Shvarts, prix HIRN 2020

Formation Andreï Shvarts, prix HIRN 2020 Le prix HIRN 2020 est attribué à…
> En savoir +

Le Rapport d'activité 2019 est en ligne

Formation Le Rapport d'activité 2019 est en ligne MINES ParisTech, établissement-composante…
> En savoir +

+ Toutes les actualités

Plan du site
Mentions légales efil.fr © 2014 MINES ParisTech