Simulation numérique de matériaux hétérogènes non-linéaires : Intelligence artificielle et méta-modèles de comportement

Numerical simulation of heterogeneous materials combining Artificial Intelligence and physics-based modeling

• Auteur / Autrice : Aymen Danoun
• Direction : Yves Chemisky
• Type : Thèse de doctorat
• Discipline(s) : Mécanique
• Date : Soutenance le 08/11/2022
• Etablissement(s) : Bordeaux
• Ecole(s) doctorale(s) : École doctorale des sciences physiques et de l’ingénieur (Talence, Gironde ; 1995-....)
• Partenaire(s) de recherche : Laboratoire : Institut de mécanique et d'ingénierie de Bordeaux
• Jury : Président / Présidente : David Ryckelynck
• Jury : Examinateurs / Examinatrices : Justin Dirrenberger, Etienne Prulière
• Jury : Rapporteurs / Rapporteuses : Julien Yvonnet, Björn Kiefer

Mots clés

Mots clés contrôlés

Réseaux neuronaux (informatique)

Homogénéisation (équations différentielles)

Milieux hétérogènes (physique)

Analyse multiéchelle

Intelligence artificielle

Mots clés libres

Intelligence Artificielle

Modélisation multi-Échelle

Matériaux hétérogènes

Homogénéisation

Réseaux de neurones artificiels

Artificial Intelligence

Multiscale modeling

Heterogeneous materials

Homogenization

Artificial Neural Networks

Résumé

L'innovation technologique s'appuie de plus en plus sur l'utilisation des matériaux hétérogènes pour des domaines de pointe (Énergies renouvelables, aéronautique, biomécanique). L'utilisation de ces matériaux est devenue incontournable en raison de leur excellentes propriétés mécaniques spécifiques. Cependant, le comportement thermomécanique résultant de ces microstructures est très complexe. Il présente des mécanismes de déformation non-linéaires dont l'identification demeure un véritable challenge. D'autre part, le comportement de ces matériaux est fortement dépendant du couple matériau-microstructure, il s'agit donc d'une problématique de modélisation multi-échelles. Des approches standard comme la méthode FE2 ont été largement développées dans la littérature pour la simulation de la réponse mécanique de structures hétérogènes. Néanmoins, l'utilisation de cette méthode reste dans la plupart des cas très coûteuse en terme de temps de calcul et nécessite parfois des ressources informatiques assez robustes. Ce projet de thèse a donc pour objectif de repenser en profondeur le paradigme de la simulation multi-échelles du comportement mécanique des structures architecturés. En combinant Intelligence Artificielle (IA), thermodynamique des matériaux et simulation numérique du comportement de structures, nous avons l’ambition de développer et valider des modèles hybrides permettant de simuler, avec un gain de calcul très important, le comportement multi-échelle de structures hétérogènes. L’objectif est donc d’effectuer en quelques minutes, sur un ordinateur de bureau, des simulations prenant plusieurs jours sur des centres de calcul intensif.

The new industrial constraints are nowadays pushing the limits of materials in terms of mechanical properties for advanced application fields (renewable energy, healthcare, transport). One solution to adapt the material properties to target applications is to rely on heterogeneous materials due to their excellent specific characteristics (high strength-to-weight ratio, energy absorption, mechanical resistance). However, the design of such structures can be challenging given the complexity of material mechanical responses when multiple physical mechanisms are involved at different length scales. Consequently, the evaluation of the resulting mechanical behaviors requires powerful numerical tools capable of solving highly non-linear multiscale problems.Standard methodologies including multi level finite element approaches FE2 have been extensively developed in literature to simulate the macroscopic responses of heterogeneous structures. Nevertheless, the use of such methods still suffers from the high computational costs, therefore preventing it from being efficiently applied to multiscale structural analysis. The main objective of the present thesis is to propose a complete change of paradigm in the design and simulation of complex heterogeneous structures using hybrid models that combine physical knowledge and Artificial Neural Networks (ANN) based approaches. By adopting this strategy, we have observed a drastic downscale of the expected computational cost as well as the possibility of conducting expensive simulations on desktop computers instead of HPC clusters.