Offre de thèse sur le développement de nouvelles stratégies d'optimisation des modèles prédictifs thermodynamiques pour le design de matériaux (H/F)

Description du Poste

Sujet De Thèse

Les modèles thermodynamiques prédictifs développés par la méthode CALPHAD [LFS2007] jouent un rôle stratégique dans le développement de nouveaux matériaux en permettant d’anticiper le comportement des systèmes avant de réaliser des expériences coûteuses et chronophages pour :
a) être ensuite extrapolés et décrire des paysages thermodynamiques de matériaux plus complexes,
b) anticiper des comportements extrêmes ou des environnements hostiles (haute température, atmosphères réactives, etc.) et prévenir la formation de phases secondaires nocives,
c) servir à relier les propriétés énergétiques aux propriétés en service selon une approche intégrative.
La qualité et la fiabilité de ces modèles conditionnent la possibilité d’un design plus rationnel, rapide et innovant (donc compétitif) des matériaux de demain. Or, tous les modèles actuels sont remis en question par la communauté pour leur lourdeur et leur imprécision, malgré le coût élevé des logiciels qui les produisent. En conséquence, les spécialistes des matériaux s’appuient encore sur leur propre expertise pour mener une revue critique préliminaire des différentes données, incertitudes, sélection du modèle, nombre de paramètres à régler et pondérations à attribuer, tout en devant initialiser les paramètres du modèle pour commencer le processus d’ajustement. À l''heure de l'automatisation et du criblage à grande échelle, il est crucial de remplacer ces étapes délicates et chronophages par un outil numérique fiable, autonome et rapide, qui pourra ensuite être intégré dans les chaînes d'exploration.

Nous proposons de développer un outil fiable pour optimiser les modèles thermodynamiques (enthalpies libres) uniquement à partir de données expérimentales fournies par des utilisateurs industriels et universitaires. L’objectif est de leur fournir des modèles fiables, soigneusement validés, propriétaires et modulaires, aussi simples que possible, afin qu’ils puissent élaborer leur stratégie en toute tranquillité d’esprit, comme évaluer de nouvelles conditions de procédé ou optimiser les plages de fabrication sans s’exposer à des extrapolations trop incertaines. Cela sera réalisé en définissant de nouveaux modèles (variables, contraintes, fonctions objectif) pour l’estimation des paramètres dédiée à ce cadre thermodynamique, en comblant le fossé entre les données expérimentales spécifiques disponibles dans ce contexte et le cadre moderne de programmation non linéaire (comme les inégalités matricielles linéaires [NP2023]). Les modèles seront également adaptés pour être optimisés à l’aide d’approches d’optimisation modernes, comme Newton régularisé cubique [M2023], nécessitant par exemple le calcul ou l’approximation de matrices hessiennes.

LFS2007] Hans Lukas, Suzana G. Fries et Bo Sundman, Computational thermodynamics: the CALPHAD method, Cambridge University Press, 2011. (doi :10.1017/CBO9780511804137);

[M2023] Mishchenko, Konstantin, Regularized Newton Method with Global O(1/k^2) Convergence, SIAM Journal on Optimization, 2023 ; 33(3) : 1440-1462. (open access: arxiv.org/abs/2112.02089)

[NP2023] Tim Netzer, Daniel Plaumann, Geometry of Linear Matrix Inequalities, Birkhäuser Cham, 2023 (https://doi.org/10.1007/978-3-031-26455-9)

Votre Environnement de Travail

Le doctorant sera supervisé par Isabelle Braems-Abbaspour (ID2M, IMN), Alexandre Goldsztejn et Thomas Gouhier (LS2N), ainsi que Christine Guéneau (CEA). Les trois premiers partagent un partenariat à long terme qui a conduit auparavant au développement d’un logiciel pour tracer des diagrammes de phase garantis.
Les deux laboratoires hôtes (IMN et LS2N) sont situés sur le campus scientifique de l’Université de Nantes (Lombarderie), à 5 minutes de marche. Le travail quotidien sera majoritairement effectué dans le LS2N. Des voyages réguliers au CEA sont prévus.
L’IMN est l’Institut des Matériaux de Nantes Jean Rouxel (IMN, UMR 6502, http://www.cnrs-imn.fr). L’IMN est un centre de recherche conjoint du CNRS et de l’Université de Nantes, avec plus de 200 membres du personnel, comprenant plus de 120 membres permanents (professeurs, chercheurs du CNRS, ingénieurs) et environ 80 doctorants et postdoctorants.
LS2N est le Laboratoire des Sciences et du Numérique de Nantes (LS2N, UMR 6004, http://www.ls2n.fr). Le LS2N est également un centre de recherche conjoint du CNRS et de l’Université de Nantes, avec un personnel d’environ 500 personnes, dont près de 200 permanents (professeurs, chercheurs du CNRS, ingénieurs) et 200 doctorants et postdoctorants.
Un voyage hors de la région, en particulier vers le partenaire industriel (CEA), aura lieu pendant la thèse.

Rémunération et avantages

Rémunération

La rémunération est d'un minimum de 2300,00 € mensuel

Congés et RTT annuels

44 jours

Pratique et Indemnisation du TT

Pratique et indemnisation du TT

Transport

Prise en charge à 75% du coût et forfait mobilité durable jusqu’à 300€

À propos de l’offre

À propos du CNRS

Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d’associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement.

Le CNRS

Les métiers de la recherche