Apprentissage machine pour la micromécanique : une nouvelle approche
L’objectif ultime de la science des matériaux est d’adapter les microstructures pour atteindre les propriétés souhaitées. Cependant, aucune corrélation directe et aucun modèle constitutif cohérent n’ont été obtenu à ce jour essentiellement en raison de la nécessité de relier statistiquement les échelles microscopique et macroscopique. Dans ce projet, nous proposons une méthodologie originale où un code de plasticité cristalline sera couplé à un algorithme d’apprentissage supervisé dans le but d’obtenir un système capable de suggérer la distribution des mécanismes opérants dans un polycristal en fonction de ses paramètres microstructuraux afin de prédire ses propriétés mécaniques macroscopiques. Ce nouveau modèle issu du processus d’apprentissage sera instruit à partir d’un large ensemble de données expérimentales obtenues par microscopie électronique à balayage et traduites en un système entrées-sorties. Ce projet aura un impact majeur sur les enjeux sociétaux actuels en permettant des économies d’énergie et des coûts limités associés au paramétrage de microstructures pour des performances mécaniques spécifiques.
