Les offres d’emploi de l’unité de recherche

Ce projet s’intéresse à la prédiction de la ruine de structures métalliques aéronautiques soumises à des chargements complexes. L’enjeu scientifique réside dans la compétition entre instabilités matérielles (localisation, striction) et structurelles (flambage élastoplastique), en intégrant les fortes non-linéarités géométriques et matérielles ainsi que les effets de contact et de frottement.

L’objectif est de développer méthodologiquement des briques logicielles (UMAT, scripts Python/C++) connectées à Abaqus/Standard pour fournir des indicateurs d’instabilité rigoureux (au sens des critères de Rice et de Hill). Le travail visera à garantir la robustesse numérique et la reproductibilité des diagnostics face aux réalités industrielles (maillages complexes, comportements anisotropes, etc.).

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.

L’objectif est de développer un workflow de « Virtual Testing » permettant de prédire avec robustesse les charges critiques et les mécanismes gouvernants la ruine de ces structures.

Les travaux de recherche associés à ce projet se répartissent de manière équilibrée entre développements numériques (implémentation de critères de bifurcation sous Abaqus/Standard, scripts d’automatisation Python/C++) et validation sur des bases de données d’essais industriels sur pièces réelles.

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.

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 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