En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR9026-CLEJAI-001 - Post-doctorant en Mécanique Expérimentale (H/F)

Post-doctorant en Mécanique Expérimentale (H/F)

Cette offre est disponible dans les langues suivantes :
- Français-- Anglais

Date Limite Candidature : lundi 25 novembre 2024 23:59:00 heure de Paris

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler

Informations générales

Intitulé de l'offre : Post-doctorant en Mécanique Expérimentale (H/F)
Référence : UMR9026-CLEJAI-001
Nombre de Postes : 1
Lieu de travail : GIF SUR YVETTE
Date de publication : mardi 8 octobre 2024
Type de contrat : CDD Scientifique
Durée du contrat : 12 mois
Date d'embauche prévue : 1 janvier 2025
Quotité de travail : Temps complet
Rémunération : entre 3081,33 € et 3519,90 € suivant l'expérience du candidat
Niveau d'études souhaité : Niveau 8 - (Doctorat)
Expérience souhaitée : Indifférent
Section(s) CN : Interactions, particules, noyaux du laboratoire au cosmos

Missions

La personne recrutée mènera des recherches sur l'identification et la validation expérimentale de modèles constitutifs pour les matériaux architecturés. Il/elle fera partie de l'équipe Eikology au LMPS (Université Paris-Saclay, CentraleSupélec, ENS-Paris-Saclay, CNRS) sous la supervision de Clément Jailin et François Hild. Il/elle collaborera également avec Francisco Chinesta du laboratoire PIMM à l'ENSAM ParisTech.

Activités

Le cadre technique du travail sera le développement de méthodes pour l'identification de modèles constitutifs multi-échelles. Ces modèles, dérivés de l'apprentissage automatique (le sujet d'une autre étude post-doctorale), nécessitent le développement d'acquisitions adaptées et rapides ainsi que de riches procédures de mesure (par exemple, [Plancher, 2019]). L'utilisation de mesures de champs de déplacement 3D acquises à partir de volumes de tomographie aux rayons X fournit les données nécessaires pour l'identification/entraînement expérimental de ces modèles [Mathieu, 2015 et Thakolkaran, 2022]. Les méthodes de corrélation d'images volumiques (DVC) permettent des résolutions spatiales fines et la procédure de DVC projetée (P-DVC) peut fournir la résolution temporelle [Buljac, 2018].

Le processus sera réalisé en plusieurs étapes :
• Mener des essais mécaniques in-situ, en utilisant la tomographie aux rayons X, sur des matériaux architecturés pour extraire des données riches via des méthodes DVC,
• Identifier/entraîner le modèle de lois de comportement multi-échelle,
• Mettre en place des tests dits "rapides" pour gagner en résolution temporelle, en utilisant la DVC augmentée 4D (via des méthodes P-DVC).

Ce travail nécessitera :
- la mise en œuvre de procédures expérimentales in-situ dans un tomographe de laboratoire,
- le développement de techniques innovantes de mesure de champs complets, guidées par le modèle,
- l'établissement d'un dialogue entre les images de l'expérience, les mesures de champs complets et le modèle constitutif,
- la rédaction d'articles scientifiques,
- la présentation des résultats lors de conférences ou de séminaires (dans le cadre de déplacements nationaux ou internationaux).



References:
[Buljac, 2018]. Buljac, A., Jailin, C., Mendoza, A., Neggers, J., Taillandier-Thomas, T., Bouterf, A., ... & Roux, S. (2018). Digital volume correlation: review of progress and challenges. Experimental Mechanics, 58, 661-708.
[Mathieu, 2015]. Mathieu, F., Leclerc, H., Hild, F., & Roux, S. (2015). Estimation of elastoplastic parameters via weighted FEMU and integrated-DIC. Experimental Mechanics, 55, 105-119.
[Plancher, 2019]. Plancher, E., Héraud, L., Lhuissier, P., Dendievel, R., Fabrègue, D., Blandin, J. J., & Martin, G. (2019). Towards behavior by design: A case study on corrugated architectures. Materials & Design, 166, 107604.
[Thakolkaran, 2022]. Thakolkaran, P., Joshi, A., Zheng, Y., Flaschel, M., De Lorenzis, L., & Kumar, S. (2022). NN-EUCLID: Deep-learning hyperelasticity without stress data. Journal of the Mechanics and Physics of Solids, 169, 105076.

Compétences

Le diplôme requis est un doctorat en mécanique, en mathématiques appliquées ou dans d'autres disciplines connexes.

La personne recrutée doit posséder les compétences suivantes :
• simulation numérique par éléments finis
• modélisation mécanique
• traitement d'images
• algorithmes d'optimisation
La connaissance de l'apprentissage automatique serait un atout, mais n'est pas obligatoire.

Contexte de travail

La personne recrutée fera partie du dispositif ADAM (Accelerated Design of Architectural Materials), qui est un projet national multidisciplinaire.

Le Laboratoire de Mécanique de Paris-Saclay (LMPS) est une unité de recherche affiliée à l'Université Paris-Saclay, à CentraleSupélec, à l'École Normale Supérieure Paris-Saclay et au CNRS. Il est dédié aux expériences, à la modélisation et à la simulation en mécanique des solides. Parmi ces différents domaines d'expertise, le laboratoire est reconnu pour ses travaux en mécanique expérimentale, avec l'originalité des aspects multiaxiaux, du contrôle hybride et des mesures de champs complets in situ multimodales 2D-3D-4D.

Le laboratoire Procédés et Ingénierie en Mécanique et Matériaux (PIMM) réunit un large éventail de spécialistes allant de la mécanique des matériaux et des structures, de la métallurgie et de la chimie des polymères aux méthodes avancées de simulation numérique. Le laboratoire PIMM a récemment développé une forte expertise en IA pour les applications en ingénierie.

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.

Contraintes et risques

-

Informations complémentaires

PEPR - DIADEM : https://anr.fr/fileadmin/aap/2023/france2030-aap-pepr-diadem-2023-call-text.pdf
Projet: ADAM: Accelerated Design of Architected Materials