(H/F) Doctorat en modélisation et réseaux de neurones appliqués aux géosciences

Description du Poste

Sujet De Thèse

Contexte général :
Les argilites du Callovo-Oxfordien (COx) , roches hôtes envisagées pour le stockage géologique de déchets radioactifs, sont notoirement multiéchelle, et le lieu de processus complexes.
A l’échelle des pores, des modèles directs via diverses méthodes numériques se sont attachés à décrire différents mécanismes complexes ayant lieu dans le COx. On peut citer des mécanismes d’invasion de gaz couplant drainage et séchage (Amrofel et al. 2024), l’invasion de gaz avec dilatation, couplant hydro et mécanique (Dymitrowska et al. 2026), les mécanismes d’auto-cicatrisation, impliquant des couplages hydromécaniques et/ou hydrochimiques. Cependant, ces modèles ne sont pas applicables sur l’ensemble de la gamme d’échelles, en raison de leur coût numérique élevé. Certains mécanismes physiques (e.g., effet Kelvin, effet Klinkenberg), propres au caractère nanoporeux de cette roche argileuse, n’ont d’ailleurs pas d’intérêt à être pris en compte à l’échelle de la macroporosité. D’autre part, les données d’imagerie ne permettent pas de proposer une géométrie porale parfaitement connectée pour des volumes représentatifs (« grande échelle »). La prise en compte des transferts de fluides, entre autres via les mécanismes, nécessite donc l’intégration des résultats à l’échelle inférieure.
Pour cela, le changement d’échelle numérique, souvent utilisé pour le passage de modèles directs à l’échelle des pores à des modèles à « grande échelle », consiste à calculer numériquement des propriétés effectives, ou lois de comportement, à l’aide des méthodes directes, puis de les utiliser dans les modèles aux échelles supérieures. Or cela implique, une continuité d’échelle, mais aussi une détermination a priori des propriétés effectives / lois de comportement et de leur paramétrisation ce qui peut être particulièrement délicat lorsque des couplages forts sont en jeu. Pour complémenter les méthodes de changement d’échelle numérique, l’utilisation des réseaux de neurones artificiels présente un intérêt particulier, en raison de leur applicabilité à une large gamme de géométries et de régimes hydrodynamiques, ainsi que de leur efficacité de calcul.

Objectifs :
Le projet de thèse proposé vise le développement de modèles multi-échelles pour des milieux poreux fortement hétérogènes présentant des réseaux de pores partiellement connectés, comme les argilites du COx. Il s’inscrit dans le cadre du projet NEEDS PACEM et en particulier des Lots 4 et 5 visant aux développement de modèles multi-échelles capables de mieux identifier et quantifier les phénomènes couplées en jeu dans les roches argileuses, ainsi que de tendre vers des modélisations robustes. L’objectif de ce projet est de développer une méthodologie hybride combinant la robustesse des modèles à l’échelle des pores, notamment pour la description réaliste des processus physiques, et la flexibilité géométrique (caractéristiques microstructurales issues des images 3D FIB-SEM et µCT) ainsi que l’efficacité computationnelle des modèles à « grande échelle ». L’approche reposera sur l’utilisation de réseaux de neurones artificiels pour assurer le passage d’échelle numérique, en exploitant leur capacité à traiter une grande diversité de géométries et de régimes hydrodynamiques, ainsi que leur rapidité de calcul a posteriori. Les processus considérés incluront des couplages H2C (drainage et séchage), HM (invasion de gaz) et HM et/ou HC appliqués aux phénomènes d’autocicatrisation, en 2D. Dans un premier temps, la méthodologie sera toutefois développée et validée en conditions de transfert monophasique.

Méthodologie :
Modèles directs à l’échelle de quelques pores : On s’appuiera sur les modèles déjà développés dans les projets précédents (NEEDS RPM & MECHE, EURAD 1&2) à GeoRessources (méthode LBM) et à l’ASNR (méthode SPH). Le modèle LBM développé à GeoRessources permet la description des écoulements mono et diphasiques (Tinet 2025) ainsi que du transport réactif (Tinet 2025, Amrofel, 2024). Le modèle SPH développé à l’ASNR permet la description des écoulements mono et diphasiques, incluant les mécanismes de séchage (Amrofel, 2024) et le couplage HM avec un comportement élasto-endommageable (Dymitrowska et al. 2026). Ces modèles, déjà existants, seront utilisés pour générer une base de données de simulations numériques, sous différentes conditions (conditions aux limites, termes sources voire géométrie des pores et couplages envisagés).
Modèles de réseaux « grande échelle » : L’objectif est aussi d’utiliser des modèles préexistants soit de type Pore Network Models (e.g. OpenPNM, etc.) ou de DFN / DFM (Younes et al. (2023)). L’information aux échelles inférieures permettra en particulier de nourrir les termes d’échanges entre la matrice et le réseau.
La thèse exploitera cette base de données pour développer des approches d’homogénéisation probabilistes et des modèles substituts rapides grâce à des réseaux de neurones (e.g. CNN). Les réseaux de neurones apprendront à prédire les propriétés effectives locales (perméabilité, courbes de saturation, paramètres poromécaniques) ainsi que la connectivité et les caractéristiques de transport de la matrice entre les pores macroscopiques (termes d’échanges), qui alimenteront les modèles de réseaux. La thèse pourra s’appuyer sur des outils et bibliothèques existants pour l’apprentissage profond, tels que TensorFlow, PyTorch, Keras, ainsi que sur des architectures avancées adaptées à l’apprentissage d’opérateurs comme DeepONet. L’ensemble des données d’imagerie acquises aux différentes échelles (coll. IC2MP, D. Prêt) dans le cadre du projet NEEDS MECHE viendront alimenter le travail de modélisation.

Prérequis :
Le candidat doit posséder de solides compétences en programmation (de préférence en C/C++) et des connaissances fondamentales en réseaux neuronaux. Une connaissance des principes de la mécanique des fluides, en particulier dans les milieux poreux et la modélisation en géosciences, constituerait un atout majeur. Le candidat doit être une personne très motivée, titulaire d'un master (ou équivalent) en informatique, en ingénierie, en géosciences ou dans tout autre domaine pertinent. Le candidat doit parler couramment l'anglais (ou le français).

Votre Environnement de Travail

La thèse de doctorat se déroulera au sein du laboratoire GeoRessources (https://georessources.univ-lorraine.fr/), dans l'équipe hydro-géomécanique multi-échelle (HGM) et sous la direction d’Anne-Julie Tinet, de Behshad Koohbor et de Magdalena Dymitrowska (de l'ASNR). Un accès a des calculateurs haute performance sera fourni.

Contraintes et risques

Des déplacements de courte durée, en France et à l'étranger, sont à prévoir.

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