Description

L’un des objectifs de l’Union européenne en matière de changement climatique consiste à atteindre des émissions nulles de gaz à effet de serre d’ici 2050. Cette perspective soumet l’industrie des matériaux métalliques, qui contribue grandement aux émissions de carbone, à une pression considérable de réduction des émissions de gaz à effet de serre, nécessitant la mise en place de stratégies numériques robustes et avec un haut degré de confiance, pour le développement et la conception de nouveaux matériaux à impact environnemental réduit .

D’un point de vue plus général, les propriétés d’usage et la durabilité des matériaux métalliques sont fortement liées à leur microstructure, elle-même issue des
traitements thermo-mécaniques effectués au cours de leur mise en forme.
Ainsi, la compréhension et la prédiction des évolutions microstructurales sont aujourd’hui des points clés de la compétitivités des entreprises industrielles, avec un impact économique et sociétal direct sur tous les secteurs économiques majeurs (aéronautique,
nucléaire, énergies renouvelables, défense, transport...).

L’observation des caractéristiques internes pour mesurer l’évolution de la microstructure des matériaux polycristallins lors des traitements thermomécaniques implique généralement des examens 2D ex-situ complexes et destructifs après essais thermiques interrompus. Par ailleurs l’étude de certains mécanismes, comme la recristallisation post-dynamique, reste inaccessible vu l’échelle de temps en jeu ou la précision des mesures nécessaires pour les quantifier.

Compétences requises

Niveau d’étude: master 2 ou diplôme d’ingénieur en Acoustique, Mathématiques Appliqués ou Métallurgie avec un très bon dossier. Compétences en modélisation numérique, compétences en anglais, capacités à travailler dans une équipe inter-disciplinaire.

Bibliographie

[1] A. Talatizi, M. Bernacki. Simulation of ultrasonic wave propagation in polycrystalline materials. In ICTP 2023 - 14th International Conference on the Technology
of Plasticity, Mandelieu, France, September 24–29 2023.

[2] S. Florez, K. Alvarado, D. Pino Muñoz and M. Bernacki. Computer Methods in Applied Mechanics and Engineering, 367:113107, 2020.

Mots clés

Jumeaux numériques, Métallurgie computationnelle, CND