Modélisation Multi-échelles Du Durcissement D'irradiation Des Aciers de Cuve

**Intitulé du poste**:
Modélisation multi-échelles du durcissement d'irradiation des aciers de cuve (RES25-3) H/F

**Type de contrat**:
Doctorat

**Statut**:
Cadre

**Disponibilité du poste**:
15/09/2025

**Localisation du poste**:
Cadarache

**Environnement / Organisation / Contexte**:
Cette thèse s'inscrit dans le contexte de l'extension de la durée d'exploitation des réacteurs électronucléaires du parc nucléaire français. L'irradiation neutronique des aciers de cuve des réacteurs (acier 16MND5), qui augmente avec la durée d'exploitation, provoque de nombreux changements de leur microstructure et modifie leurs réponses viscoplastiques et leurs propriétés à rupture (durcissement et fragilisation sous irradiation).

Dans ce contexte, l'ASNR ambitionne de développer des outils d'expertise lui permettant d'évaluer la propagation d'une fissure dans un acier de cuve irradié, sous un chargement accidentel.

La thèse a pour objectif de développer un modèle de comportement plastique à l'échelle du polycristal, capable d'utiliser une loi de comportement de plasticité cristalline adaptée à un acier de cuve irradié. Le modèle de comportement développé devra être directement intégrable dans un logiciel de calcul aux éléments finis, afin d'estimer les champs de contrainte en pointe de fissure.
Une loi de plasticité cristalline a été proposée dans le cadre d'une thèse précédente (Chaix, 2024). L'extension à l'échelle du polycristal s'est faite par homogénéisation, en utilisant soit des calculs en champs complets, soit des calculs en champs moyens.
Il s'agira dans le cadre de la thèse d'explorer les possibilités offertes par les modèles de réseaux de neurones qui permettent d'améliorer considérablement les temps de calcul, sans perte majeure en termes de précision.

**Mission**:
La thèse proposée vise à développer et entrainer un réseau de neurones pour contrer les limitations rencontrées. En effet, des travaux récents ont proposé et entrainé des modèles de réseaux de neurones, pour des polycristaux en viscoplasticité, sur la base d'ensemble de données générées par des calculs en champs complets, ou des calculs en champs moyens (Ali et al., 2019) (Dai et al., 2021). La base de données pourrait être générée grâce aux outils et modèles développés dans la thèse précédente : calculs en champs complets avec l'outil de simulation par FFT développé avec cette loi de plasticité cristalline complexe et à base physique pour acier de cuve, calculs en champs moyens avec la méthode FOSO. D'autres méthodes pourraient être investiguées : 1/ Liu et al., 2024 pour des polycristaux en viscoplasticité, basée sur l'identification, lors du processus d'entrainement du réseau de neurones, de variables internes macroscopiques qui embarquent l'histoire du chargement 2/ Shin et al. 2023 méthode des réseaux dits de matériaux, pour des matériaux bi-phasés.

**Calendrier**
- Première année :_ Bibliographie, Mise au point d'une base d'ensemble de données et Développement et entrainement d'un réseau de neurones
- Deuxième année :_ Implémentation du modèle dans un programme indépendant; Comparaison : nouveau modèle, simulations numériques en champs complets, modèles en champs moyens, résultats expérimentaux pour un acier de cuve vierge ou irradié pour une large gamme de températures, taux de déformation et niveaux d'irradiation
- Troisième année :_ Investigation d'autres méthodes ; Préparation du manuscrit et de la soutenance.

**Références**
- Ali et al, Application of artificial neural networks in micromechanics for polycrystalline metals, IJP (2019)
Dai et al, Studying the micromechanical behaviors of a polycrystalline metal by artificial neural networks, Acta Mat. (2021)
- Liu et al, Learning macroscopic internal variables and history dependence from microscopic models, JMPS (2023)
- Shin et al, Deep material network via a quilting strategy: visualization for explainability and and recursive training for improuved accuracy (2023)

**Profil recherché**:
Diplôme de Master 2 ou d'école d'ingénieur.
Compétences en mécanique des solides et des structures, programmation, mathématiques appliquées, si possible sur les méthodes d'homogénéisation en mécanique des matériaux, les réseaux de neurones.

**Télétravail**:
Occasionnel

**Informations complémentaires / avantages**:
La thèse se déroulera au Laboratoire de Statistique et des Modélisations Avancées (LSMA).
Les simulations en champs complets à base de FFT seront effectuées au LMA avec le code de calcul CraFT (code LMA).
Les modèles en champs moyens obtenus avec la méthode FOSO seront utilisés et étudiés avec l'Université Nationale de La Plata en Argentine. Un déplacement de 1,5 mois à La Plata en Argentine est à prévoir en début de deuxième année de thèse.

**Diversité**:
L’ASNR conduit une politique active depuis de nombreuses années en faveur de l'égalité des chances au travail et l'emploi des personnes handicapées. Si vous êtes en situation de handicap, n'hésitez pas à nous faire part de vos éventuel