Stage Modélisation des effets de flux neutroniques et de cascades de déplacement F/H EDF

Introduction

Dans le cadre de la poursuite d'exploitation des réacteurs nucléaires, et notamment la tenue à l'irradiation des internes de cuve, les irradiations aux ions permettent d'explorer ces régimes de très haute fluence à des coûts et délais intéressants. 

Le stage a pour objectif de contribuer à quantifier l'influence des différences de flux entre irradiations ioniques et neutroniques sur l'évolution des microstructures irradiées. Il porte sur le traitement des résultats de simulation atomique, afin de définir des descripteurs pour décrire les corrélations ou les environnements atomiques locaux à base de méthodes de machine learning.

Contexte

Les interactions entre les neutrons issus des réactions nucléaires et les atomes des matériaux des réacteurs créent des cascades de déplacements : de nombreux atomes sont éjectés de leur site cristallin et forment des défauts structuraux qui s’agglomèrent en petits puis en gros amas qui peuvent modifier les propriétés macroscopiques des matériaux. 

L’approche habituelle, consiste simplement à calculer les cascades par dynamique moléculaire en disposant d’un potentiel interatomique reproduisant bien les énergies des défauts préalablement modifié. Cette approche est l’une des plus précises dont on dispose pour qualifier le dommage issu des cascades, mais elle est très difficile à valider expérimentalement, et peut être sujette aux artéfacts des potentiels. Deux potentiels interatomiques tout aussi bien validés sur des propriétés usuelles peuvent conduire à des estimations de cascades différentes. Ces différences sont-elles significatives par rapport à d’autres sources d’incertitude des modélisations ? Une façon de répondre quantitativement à cette question serait de faire une étude de sensibilité aux paramètres des modèles, par exemple par une méthode de décomposition de la variance. Les cascades de déplacement de hautes énergies sont des structures complexes composées de sous-cascades avec un certain degré d’auto-similarité.

Produire un descripteur minimaliste des cascades de déplacement permet d’étudier de façon plus fiable les effets de spectre et de flux d’irradiation. Mieux modéliser les effets de flux permettra de mieux justifier la transposition des irradiations aux ions aux conditions réelles où le flux est très faible.

Missions
En pratique, le stage consiste à prendre en main une des plus grandes bases de données de cascades de dynamique moléculaire de la littérature, en commençant par tester les post-traitements existants, puis par méthodologies type Machine Learning à développer des workflows dédiés au problème grâce aux librairies python existantes type scikit.
On mettra aussi à profit les travaux de l’équipe déjà réalisés sur les descripteurs et les méthodes de Machine Learning pour les interactions entre défauts ponctuels, en utilisant des librairies python spécifiques comme MiLaDy (Machine Learning Dynamics) du CEA.