Dans le cadre des différents projets de recherche et développement du Groupe SAFRAN, au sein de l'entité SAFRAN Tech, la plateforme SAFRAN Composites est dédiée au développement, à la maturation des technologies composites à matrice organique pour application à des pièces structurales, ainsi qu'à la préparation de leur industrialisation dans le respect d'objectifs technico-économiques ambitieux.

Au sein de son équipe Conception & Développement, Safran Composites est à la recherche d'un(e) doctorant(e) CIFRE sur la Modélisation et validation du comportement mécanique d'un composite par des algorithmes d'apprentissage automatique.

Afin de conforter l'avance technologique du groupe SAFRAN sur matériaux composites, il est nécessaire d'améliorer les techniques de dimensionnement et modélisation associées en prenant en compte les mécanismes dissipatifs et les non-linéarités ayant lieux pendant les cas de charges complexes (triaxial + temporel). Cela passe par une stratégie de modélisation efficace permettant de synthétiser l'information riche des modèles éléments finis à l'échelle mésoscopique et de la mettre en relation avec celle issue via les essais structuraux. Ainsi, l'objectif de ces travaux de thèse concernent la mise en place d'un algorithme d'apprentissage (ML), avec sa base d'entrainement, pour l'approximation de la loi constitutive d'un composite tissé. Dans une première phase, le modèle sera entrainé à partir de données synthétiques générées par EF avec l'objectif de réduire la dimension de l'espace de départ et extraire les variables d'intérêt à l'échelle macroscopique. Dans une deuxième phase, un processus de réglage fin sur des résultats d'essais sera appliqué pour accroire ses performances dans le cadre réel. La finalité industrielle du travail est de pouvoir se doter d'outils permettant de réduire les boucles de conception de nos matériaux/structures.

Le(a) doctorant(e) aura pour missions principales de :
• Dresser un état de l'art exhaustif sur la modélisation des lois constitutives et des techniques de transition d'échelle via des algorithmes d'apprentissage machine.
• Proposer une méthodologie de modélisation à l'échelle mésoscopique d'un composite tissé en utilisant différentes lois de comportement et avec une éventuelle présence d'endommagements pour les constituants.
• Implémentation d'une bibliothèque pour la mise en place et le lancement des plans d'expériences visée à la constitution de la base de données.
• Proposer et implémenter un modèle d'apprentissage pour l'approximation de la réponse mécanique du matériau à l'échelle macroscopique.
• Proposer et implémenter une méthodologie de fine-tuning pour la mise en cohérence du modèle identifié avec les essais expérimentaux.
• Assurer une communication interne (réunion d'avancement, rapport) et externe (congrès, séminaire) sur les travaux de la thèse, dans le respect des règles de confidentialité.

De formation Bac+5 (école d'ingénieur ou master recherche), avec de solides connaissances en mécanique des matériaux et un goût prononcé pour les simulations numériques et les mathématiques appliquées.

Les compétences suivantes sont indispensables :
• Connaissance des méthodes numériques et mathématiques appliquées pour la mécanique des matériaux
• Connaissance des matériaux composites à matrice organique
• Connaissance de la programmation en Python et développement Informatique
• Connaissance du calcul mécanique par éléments finis
• Capacité de synthèse et d'exploitation/interprétation des simulations numériques
• Autonomie et rigueur dans l'exécution de ses activités
• Capacité de communication, notamment avec différents intervenants et différents métiers (physico-chimie, matériaux, procédés…)
• Niveau d'anglais avancé

Les compétences suivantes seront fortement appréciées :
• Connaissance du Machine Learning et/ou du calcul statistique
• Capacité d'interprétation de données expérimentales
• Expérience de corrélation essai-calcul