Informations générales
Intitulé de l'offre : Recherche sur la métallurgie physique : Optimisation des microstructures d'aciers duplex moyen manganèse par apprentissage automatique et méthodes de caractérisation à haut débit (H/F)
Référence : UMR7198-MARTAI-078
Nombre de Postes : 1
Lieu de travail : NANCY
Date de publication : mardi 28 février 2023
Type de contrat : CDD Scientifique
Durée du contrat : 24 mois
Date d'embauche prévue : 3 avril 2023
Quotité de travail : Temps complet
Rémunération : 2.833,40€ ajustable selon le niveau d'expérience
Niveau d'études souhaité : Doctorat
Expérience souhaitée : 1 à 4 années
Section(s) CN : Chimie des matériaux, nanomatériaux et procédés
Missions
La mission du chercheur est de mener des recherches en métallurgie physique dans le cadre du projet DIAMS, financé par le Programme PEPR DIADEM (opéré par ANR / France 2030) et par LABEX DAMAS (opéré par ANR / PIA3).
Activités
Les aciers Duplex Medium Manganese (MedMn) appartiennent à la 3ème génération AHSS (acier avancé à haute résistance) pour les applications d'emboutissage à froid. Leurs propriétés révolutionnaires sont obtenues grâce à une fine matrice « ferritique » et une grande quantité d'austénite résiduelle. La matrice affinée explique la résistance et la ténacité supérieures de ces aciers alors que l'austénite explique leur bonne formabilité grâce à un effet TRIP efficace (plasticité induite par la transformation). Contrairement à d'autres concepts de troisième génération tels que les aciers bainitiques sans carbure ou les aciers Q&P, la stabilisation de l'austénite retenue dans les aciers MedMn est réalisée dans la gamme intercritique par le partitionnement du carbone et du manganèse entre la ferrite et l'austénite. Cette évolution microstructurale particulière est régie par un ortho-équilibre à haute température, mais est affectée par les différentes interactions entre recristallisation/précipitation de la cémentite/transformation de l'austénite pendant le chauffage et la transformation martensitique pendant le refroidissement. Par exemple, une microstructure granulaire de ferrite recristallisée et d'austénite est obtenue après un recuit intercritique après laminage. Si la microstructure initiale est entièrement martensitique, l'austénite croit aux lattes de martensite pendant le recuit (mécanisme dit ART - Austenite Reversion Transformation) et la microstructure finale est fibreuse avec une matrice martensitique recuite. Plusieurs études ont montré que différentes tailles, morphologie, topologie ainsi que stabilité austénitique peuvent être atteintes. En conséquence, les propriétés finales sont très sensibles aux paramètres de traitement thermique. Même si les mécanismes de base expliquant la morphogenèse de la microstructure sont maintenant compris, de nombreux efforts restent à faire pour comprendre toutes les interactions entre ces mécanismes individuels et la cinétique de transformation associée (partition chimique, précipitation/dissolution de la cémentite), pour explorer les domaines de conception peu étudiés (chimie/espaces de processus) et pour rationaliser la grande diversité des observations expérimentales faites sur ces microstructures. Une difficulté vient du fait que l'espace de conception chimique de ces concepts est très grand en termes de carbone, de manganèse (jusqu'à 10%) mais aussi de silicium (affectant la précipitation des carbures), d'aluminium et de chrome (affectant les domaines intercritiques).
En l'absence de modélisation physique intégrant tous les mécanismes connus et permettant un lien fiable et quantitatif entre les processus/microstructures/propriétés, l'objectif de ce projet est d'étudier d'abord les mécanismes de formation de ces microstructures complexes en utilisant des méthodes de caractérisation à haut débit et d'optimisation par apprentissage automatique. Cette optimisation peut se faire sur de multiples critères (fraction ou stabilité thermochimique de l'austénite, présence de cémentite, sensibilité à la température de recuit, morphologie/topologie, ...) qui ont un impact connu sur les propriétés mécaniques finales.
Les principales tâches du chercheur seront les suivantes:
1. Bibliographie et datamining (données expérimentales et calculs d'équilibre)
Parallèlement à l'étude bibliographique nécessaire, des opérations de datamining seront lancées sur les résultats de la littérature pour identifier des espaces de composition/traitement bien explorés ou mal compris et de servir de base de données de test/formation pour l'apprentissage automatique développé à l'étape 3. Les limites des calculs d'équilibre conventionnels (Thermocalc) pour la prévision de microstructure devraient également être étudiées.
2. Exploration à haut débit de l'espace de fabrication (composition et conditions de traitement)
Dans cette section, nous suivrons une méthode récemment éprouvée pour l'étude des transformations de phase dans les aciers conventionnels, qui consiste à étudier des échantillons contenant des gradients chimiques contrôlés afin de pouvoir étudier simultanément un large éventail de compositions chimiques dans le même échantillon. La première sous-étape consistera à produire les échantillons classés de manière contrôlée en utilisant les plateformes d'élaboration du projet. Ensuite, les transformations de phase seront caractérisées in situ en HEXRD sur les différentes compositions le long de chemins thermiques complexes en utilisant la plateforme thermomécanique ITM du projet. Les microstructures obtenues seront ensuite caractérisées post-mortem à l'aide d'EBSD sur de grands domaines. Étant donné la très grande quantité de données (diffractogrammes ou micrographiques) qu'il serait souhaitable d'acquérir, l'utilisation de techniques automatisées par l'IA sera essentielle pour traiter les tests et les observations dans un délai raisonnable.
3. Modèle d'apprentissage automatique pour la prévision des microstructures
La dernière étape du projet consistera en la mise au point de plusieurs outils d'apprentissage automatique pour la prévision de microstructure formés sur toutes les différentes sources de données.
La condition préalable à un développement solide de ces algorithmes est de leur fournir des données homogènes (même nature et précision similaire) et un ensemble de données équilibré représentatif des situations sur lesquelles les modèles seront conçus pour faire des prédictions.
Dans le cadre de ce projet, de nombreux types de données seront agrégés et devront être utilisés pour alimenter le modèle. Ainsi, une grande partie du travail sera consacrée à l'ingénierie des données (nettoyage, remplissage, séchage) afin que les données de nature différente puissent fonctionner ensemble. En effet, les données de la modélisation thermodynamique couvrent un large domaine de l'espace paramètre mais ne prédisent que des équilibres thermodynamiques. Inversement, les données expérimentales seront nécessairement plus fragmentées mais plus fiables et contiendront intrinsèquement des évolutions temporelles. L'étape de l'exploration des données devrait également fournir des données tirées de la littérature, mais qui seront de toute façon mal conformées. Ce travail devrait ini fine permettre de proposer de nouvelles stratégies d'optimisation de ces alliages.
[Arlazarov2012] Arlazarov, A., Gouné, M., Bouaziz, O., Hazotte, A., Petitgand, G., & Barges, P. (2012). Evolution of microstructure and mechanical properties of medium Mn steels during double annealing. Materials Science and Engineering: A, 542, 31-39.
[Lee2015] Lee, Y. K., & Han, J. (2015). Current opinion in medium manganese steel. Materials Science and Technology, 31(7), 843-856.
[Callahan2019] Callahan, M., Perlade, A., & Schmitt, J. H. (2019). Interactions of negative strain rate sensitivity, martensite transformation, and dynamic strain aging in 3rd generation advanced high-strength steels. Materials Science and Engineering: A, 754, 140-151.
[Lamari2020] Lamari, M., Allain, S. Y., Geandier, G., Hell, J. C., Perlade, A., & Zhu, K. (2020). In situ determination of phase stress states in an unstable medium manganese duplex steel studied by high-energy X-ray diffraction. Metals, 10(10), 1335.
Compétences
• Le chercheur doit avoir une bonne capacité à travailler en équipe, dans un environnement multiculturel et international et à s'intégrer dans un projet collaboratif impliquant des partenaires industriels. La personne recrutée doit s'attendre à de longs séjours sur les différents sites partenaires du projet.
• Le chercheur doit être en mesure d'utiliser et de développer des outils d'apprentissage automatique (mise en œuvre, capacité à élaborer ses propres codes, datamining, utilisation de bases de données thermodynamiques, etc.)
• Connaissance de la métallurgie physique (analyse de microstructure, transformation de phase, thermodynamique, mécanismes de déformation) nécessaire pour réaliser le projet
• Expérience de la caractérisation de microstructures par microscopie électronique à balayage appréciée.
Contexte de travail
Le projet fait partie d'une collaboration nationale à long terme entre l'IJL, le SIMAP et le LEM3. Même si la personne est embauchée administrativement par la DR06 du CNRS et de l'IJL, il sera nécessaire au cours du projet de passer un long moment dans les deux autres laboratoires, pour la réalisation des expériences ou de leurs analyses et à l'ESRF (cadre d'un Partenariat Long Terme).
Les trois structures et chercheurs impliqués sont:
• Le SIMAP est une unité de recherche conjointe entre le CNRS, l'INP de Grenoble et l'UGA. A. Deschamps (PR Grenoble INP) et H.P. Van Landeghem (CR CNRS) ont mis en place une méthodologie robuste pour la fabrication d'alliages à nuance de composition avec microstructure contrôlée et caractérisation in situ subséquente à haut débit. Des liens étroits existent avec le laboratoire informatique LIG par le biais de la chaire d'apprentissage automatique MIAI.
• L'IJL est une unité de recherche conjointe entre le CNRS et l'UL. Sebastien Allain (PR UL) et G. Geandier (CR CNRS) possèdent une expertise de longue date dans l'utilisation des rayons X synchrotron pour la caractérisation in situ de la transformation de phase, en particulier pour la conception d'aciers, et ont développé avec B. Denand (IR CNRS) fours spécifiques particulièrement efficaces pour de telles expériences.
• Le LEM3 est une unité de recherche conjointe entre le CNRS, l'UL et Arts et Métiers. L. Germain (MCF UL) et N. Gey (CR CNRS) possèdent une expertise reconnue dans la quantification de microstructures complexes à l'aide de méthodes automatisées de diffraction à haut débit au microscope électronique à balayage.
Contraintes et risques
/
Informations complémentaires
Doctorat en Sciences des Matériaux de préférence.