DESCRIPTION
Motivation et impact attendu : L'objectif de cette chaire de développer un nouveau cadre d'apprentissage interactif qui intègre les retours d'expérience d'experts dans la phase de formation, afin d'explorer l'espace de conception multidimensionnel des matériaux. La conception de nouveaux matériaux est au cœur de toute transition technologique, et de nombreuses transitions sont à venir : transports plus légers (structures plus efficaces), production d'énergie (matériaux pour les énergies renouvelables), économie circulaire (matériaux recyclables), crise des ressources (substitution d'espèces chimiques critiques), captage et rejet de gaz (CO2, gaz toxiques). L'immensité de l'espace de conception des matériaux offre une opportunité majeure de coupler l'exploration à haut débit des matériaux, par des stratégies expérimentales et de simulation, à des outils avancés d'intelligence artificielle. Nous espérons de nouvelles avancées pour la conception de matériaux aux compositions et propriétés améliorées, qui répondent aux besoins de la société future et aux défis environnementaux.
Objectifs scientifiques et contexte : La conception de nouveaux matériaux aux fonctions optimisées est essentielle pour relever les défis industriels induits par les futures contraintes sociétales. Les fonctions visées comprennent les propriétés structurelles, chimiques et physiques, mais aussi celles liées à la sécurité, à l'écologie, au recyclage, au faible coût et à l'accessibilité. La recherche de nouveaux matériaux aux propriétés spécifiques est encore très empirique, traditionnellement guidée par des méthodes intuitives et d'essai-erreur. Pour aller plus loin, les stratégies de transformation des données en connaissances sont extrêmement prometteuses dans le domaine de la science des matériaux. L'objectif de la recherche proposée est de mettre en place de nouvelles approches d'apprentissage automatique afin de développer de véritables matériaux en fonction de propriétés spécifiques (structure locale, microstructure, propriétés thermodynamiques et mécaniques), de prédire de nouvelles phases et la structure des matériaux à l'échelle atomique.
ACTIVITÉS
Le programme chaire autour d'axes de recherche, chacun impliquant un travail collaboratif entre l'informatique (
GAL), la science des matériaux (
SIMAP), et les mathématiques (
SI) équipes, avec des liens supplémentaires vers la chaire proposée « Vers une plus grande efficacité des données dans l'apprentissage automatique » chaire l'institut MIAI.
chaire comprennent le développement de nouvelles approches et de nouveaux cadres de travail à travers deux thèses de doctorat menées en collaboration entre les laboratoires SIMAP, LIG et IF, ainsi que des projets de recherche appliquée en collaboration avec les partenaires industriels de la chaire: 3 mémoires de master, 2 thèses de doctorat en cours, 1 thèse de doctorat prévue pour l'automne 2021 et 1 post-doctorat prévu pour début 2021.
Parmi les partenaires industriels de la chaire à ce jour Atos, Mentor, Constellium et ArcelorMittal. Des discussions sont en cours en vue d'établir de nouvelles collaborations.
chaire
Organisation de la 17e Conférence internationale sur les alliages d'aluminium (ICAA17) à Grenoble, en octobre 2020 – transformée en événement virtuel (A. Deschamps, chaire comité d'organisation)
THÈMES DE RECHERCHE
- Développement de nouvelles approches d'apprentissage par transfert pour résoudre plus efficacement de nouveaux problèmes de ML en utilisant les connaissances acquises lors de la résolution d'autres problèmes connexes, en utilisant des variables latentes qui représentent des comportements physiques non observés - 2 doctorats avec Mentor et Atos.
- Description et classification de la structure atomique du matériau. Des approches avancées de ML seront utilisées pour valider des potentiels interatomiques à faible coût de calcul sur des bases de données de calcul ab initio. La compréhension des configurations locales à plusieurs corps en 3D nécessite des modèles avancés de réseaux neuronaux entraînés sur des ensembles de données partiellement étiquetées obtenues par dynamique moléculaire - 1 doctorat en collaboration entre SIMAP / LIG /IF.
- L'espace de conception des matériaux comprend 10 dimensions ou plus de composition chimique et de paramètres de traitement, résultant en des structures atomiques complexes telles que les cadres métallo-organiques (MOF) ou des microstructures complexes à méso-échelle dans les alliages métalliques. De nouvelles approches ML seront développées pour guider les modèles descriptifs et l'optimisation des propriétés à partir d'ensembles de données expérimentales combinatoires couvrant des parties discrètes de l'espace de conception - 1 PhD à venir avec Constellium et 1 Post doc à venir avec ArcelorMittal.
- De nouveaux outils ML basés sur l'analyse de données topologiques seront développés afin d'améliorer activement la sélection d'observations étiquetées informatives en conjonction avec des algorithmes semi-supervisés, pour considérer la structure topologique à l'échelle atomique d'une large classe de matériaux - 1 doctorat en collaboration entre SIMAP / LIG.
En savoir plus sur cette chaire :
Accueil - MAGNET (liglab.fr)
