Les offres d’emploi de l’unité de recherche

Le candidat ou la candidate recruté·e participera aux travaux de recherche menés autour des procédés de fabrication additive métallique et tout particulièrement l’étude des relations microstructures/propriétés/paramètres du process, sur des matériaux conventionnels ou spécifiquement développés. Il ou elle s’impliquera tout particulièrement dans la mise en œuvre et l’évolution de la plateforme LPBF en collaboration étroite avec l’ingénieur de recherche en charge de la plateforme. Il ou elle s’impliquera également dans la caractérisation des matériaux précurseurs et la métallurgie/physique des poudres.
Le poste nécessite de solides connaissances en sciences des matériaux (une compétence sur les alliages de titane sera particulièrement appréciée) et en techniques de caractérisations microstructurales et mécaniques (essais mécaniques statiques, fatigue, amortissement).

En vertu de leur capacité de concentration d’énergie mécanique liées à une forte compression locale du volume, les attentes des matériaux auxétiques (caractérisés par un ou plusieurs coefficients de Poisson négatifs) à absorber des chocs à faible vitesse sont grandes. Le coefficient de Poisson est souvent considéré comme une métrique du comportement mécanique ; il conditionne fortement la capacité de déformation volumique dans le cas anisotrope tout en limitant fortement l’énergie de cisaillement, et donc la rupture ou l’endommagement local de la structure pour ce dernier mode de déformation. La concentration de matière induite par la compression volumique de matériaux auxétique leur permet de mieux résister aux contraintes internes générées lors d’un choc, et donc de préserver l’intégrité de la structure.

The Postdoc researcher will focus on scientific question (Q3) and related research task (T3), dedicated to coupling of micromechanical simulations with machine learning. The postdoc researcher will run micromechanical simulations using experimental data gathered within the course of the project. This includes in particular 3D high-resolution electron backscatter diffraction and Xray tomography data. The postdoc will then propose a machine learning based strategy to propose and simulate new microstructures with targeted improved mechanical performance.

La thèse s’inscrit dans la problématique suivante : peut-on développer un matériau composite recyclable, à base de métaux peu alliés et de céramiques dérivées de polymères, aux propriétés mécaniques optimisées, en utilisant des procédés d’hyperdéformations économes en énergie ?

Les objectifs sont de ce travail seront donc :

• Élaborer des composites métalliques nano-structurés Al/Mg-PDC par hyperdéformations à
  partir de poudres ;
• Contrôler leurs propriétés via l’ajustement de la microstructure et des cycles de traitement ;
• Évaluer leur performance en termes de recyclabilité, stabilité thermique, et applications
  biomédicales.

Le sujet de thèse a essentiellement pour objectif le développement de modèles théoriques et numériques dans un contexte multiphysique et multiéchelles afin de pouvoir mener des études de sensibilité. Les études de sensibilité numérique auront pour objectif de dégager la gamme de stimuli propres à stimuler la fermeture de fissures (cicatrisation) et d’apposer de l’os nouveau de façon efficace. Les propriétés piézoélectriques et flexoélectriques de biomatériaux mimant l’os qui ne pourront être mesurées seront calculées par dynamique moléculaire. Un code de calcul des propriétés flexoélectriques de matériaux en présence de fissures sera mis au point. Le travail
expérimental sera limité à des biomatériaux en fin de thèse afin de valider les modèles numériques développés.

Les prothèses médicales métalliques peuvent être élaborée avec une enveloppe afin d’empêcher tout développement biologique au sein de sa structure « lattice » interne. Un dépôt de nanoparticules de ZnO aux propriétés antibactériennes peut être ajouté sur l’enveloppe . L’objectif de cette thèse est d’utiliser un traitement de grenaillage ultrasonique (SMAT) dans le but d’optimiser les prothèses tant d’un point de vue de la tenue mécanique (fatigue cyclique) que de la maitrise de la chimie de surface (intégration biologique, dépôt ZnO). Le choix des paramètres de grenaillage ainsi que la conception de la chambre de traitement seront étudiés puis évalués par des caractérisations de surface et des gradients de microstructure.

La thèse portera sur les évolutions microstructurales et la formation des microtextures au cours du chauffage rapide et de la trempe. L’acier étudié aura une microstructure initiale composée de martensite revenue contenant des carbures alliés et de l’austénite résiduelle. Au chauffage, on étudiera les interactions entre les carbures en cours de dissolution, la transformation austénitique, la redistribution des éléments d’alliage au sein de la microstructure, et la croissance des grains d’austénite. A la fin du chauffage, ces phénomènes seront avancés en surface mais plus partiels en profondeur à cause du cycle thermique local. Il faudra connaître la microstructure à cet instant et en chaque point du profil pour comprendre la formation des microstructures et des microtextures lors de la trempe.

The successful candidate will work exclusively on the PRIMO project, which aims to bridge the gap between microstructural characterization and predictive modeling of material behavior. Fundamental research will be conducted for a better understanding and prediction of microstructure-sensitive mechanical behaviour of metals and alloys. This implies two main objectives:

1. The optimization of high-throughput SEM-based platforms to capture local microplasticity mechanismsat the mesoscopic scale. Fully automated in-situ SEM deformation tests coupled with High-ResolutionDigital Image Correlation (HR-DIC) and Electron BackScatter Diffraction (EBSD) are proposed for optimalmesoscale characterization. It is coupled with additional new methodologies to obtain High ResolutionEBSD maps and ECC (Electron channeling Contrast) images for optimized dislocation analysis in bulkmaterials.
2. The development of innovative multi-scale crystal plasticity models based on Mesoscale FieldDislocation Mechanics for polycrystalline specimens. These models will be enriched by the experimentsled in (1) to improve their predictive capabilities and applied to polycrystals via massively parallelized FFTcalculations. They will be used also as extremely valuable tools to help interpret experimental data.

The project aims to develop a generative AI model—especially using GANs—to create realistic atomic-scale defect structures in materials, particularly at interfaces like grain boundaries. Using atomistic simulations (mainly on aluminum), the goal is to generate reliable data for training. This data will help predict Nye dislocation density fields, bridging atomic and continuum scales through a physics-informed deep learning approach. The PhD is hosted at LEM3 and offers access to high-performance computing facilities.

This doctoral project explores how the chemistry of A and M elements and crystalline defects affect hydrogen storage in MAX phases and their 2D derivatives, MXenes. MAX phases are layered carbides/nitrides (Mₙ₊₁AXₙ) with both metallic and ceramic properties. MXenes, formed by etching the A layer, offer high surface area and tunable chemistry, making them promising for hydrogen storage. The project focuses on selected MAX phases (e.g., Ti₃AlC₂, V₂AlC) and MXenes (e.g., Ti₃C₂, V₂C), chosen for their relevance and ease of synthesis. Experimental work will include hydrogen uptake measurements and microstructural analysis before and after hydrogenation. Simultaneously, ab initio simulations (using VASP) will calculate hydrogen insertion and migration energies in both pristine and defected structures. The combination of experiments and simulations enables a comprehensive understanding of storage mechanisms. A machine learning potential may also be developed to simulate complex systems like Mg-MAX interfaces. The project is interdisciplinary, requiring expertise in both lab work and computational modeling. It aims to equip the doctoral researcher with valuable skills for academic or industrial careers.

The aim of the thesis will be to propose:
(1)Metallurgical and mechanical characterization of NiTI additive manufacturing parts with several properties.To this end, the PhD student will define a materials experimental plan and will manufacture her/his specimenson the FA platform.
(2)Optimizing the heat treatments associated with NiTi in the context of FA.
(3)The production and characterization of multi-property architectural structures with a medical application.
(4)Implementing the data obtained in the AMF models developed at LEM3 (Smart+) and I2M (3Mah) as part of theproject (thesis no. 2).

He or she will characterize the samples using all the equipment on the Micromeca (microscopy) and Mecarhéo (mechanical characterization) platforms