Description

Les matériaux et structures souples présentent des comportements mécaniques complexes, résultant d’interactions étroites entre leur architecture microstructurale, les phénomènes dissipatifs et les couplages multi-physiques auxquels ils sont soumis [1-4]. Ces systèmes se caractérisent par des réponses fortement non linéaires, anisotropes et dépendantes du temps, gouvernées par des mécanismes internes évolutifs et sensibles aux conditions environnementales, ce qui rend leur modélisation particulièrement délicate dans une perspective prédictive.
L’objectif de cette thèse est de développer un cadre de modélisation reliant explicitement les mécanismes physiques multi-échelles aux réponses macroscopiques. Le travail s’inscrira dans une approche multi-échelle et multi-physique intégrant, au sein de formulations cohérentes, les effets de la microstructure, des interactions fluide-structure et des phénomènes dissipatifs tels que la viscoélasticité et l’endommagement, dans une démarche physiquement interprétable favorisant la généricité des modèles.
Une attention particulière sera portée à la description de couplages complexes entre mécanismes physiques de nature différente, en s’inspirant notamment de systèmes biologiques caractérisés par des interactions multi-échelles. À titre d’exemple, les tissus musculaires mettent en jeu des couplages électromécaniques et chimio-mécaniques, où la réponse macroscopique résulte de l’interaction entre architecture interne, activation et phénomènes dissipatifs dépendants du temps [2]. Ce cadre constitue une base pertinente pour développer des modèles généralisables à une large classe de matériaux souples fonctionnels (hydrogels, polymères, tissus structurés), avec des perspectives d’application notamment en ingénierie biomédicale, en robotique souple et plus largement dans des systèmes adaptatifs à forte composante multi-physique.
Les modèles développés seront physiquement fondés et intégreront des variables internes décrivant l’évolution des mécanismes microstructuraux. Ils seront implémentés dans des codes éléments finis via des lois utilisateurs afin de simuler des structures tridimensionnelles soumises à des chargements complexes. En parallèle, des approches d’identification et de réduction de modèles assistées par l’IA (réseaux contraints par la physique, modèles hybrides) seront explorées afin d’exploiter efficacement les données et d’améliorer les capacités prédictives. Une attention particulière sera accordée à la robustesse numérique, à la stabilité des algorithmes et à l’efficacité computationnelle.
Une partie de la thèse sera également consacrée à des travaux expérimentaux visant à caractériser le comportement mécanique de systèmes représentatifs et à alimenter l’identification et la validation des modèles, en lien étroit avec les développements numériques et les approches d’apprentissage. Ces investigations permettront de mieux appréhender les mécanismes physiques en jeu et d’assurer la pertinence des approches développées, en favorisant des boucles itératives entre expérimentation, modélisation et apprentissage.
Les développements méthodologiques réalisés dans ce cadre s’inscrivent dans une dynamique de modélisation avancée de systèmes complexes à forte valeur applicative, où la compréhension fine des interactions entre structure, propriétés et environnement constitue un enjeu central, en particulier dans le contexte des jumeaux numériques, ouvrant la voie à des approches intégrées de type “modèle-données”.

Compétences requises

Profil recherché : Candidat(e) titulaire d’un Master (ou équivalent) en mécanique des solides, mécanique des matériaux, génie civil, physique appliquée ou domaine connexe. Compétences et qualités attendues : - Solides bases en mécanique des milieux continus et en mécanique des matériaux Intérêt marqué pour la modélisation multi-échelle et multiphysique - Connaissances en méthodes numériques et en éléments finis - Intérêt pour les approches hybrides physique-données et l’intelligence artificielle - Compétences en programmation (Python, Fortran, C++ ou équivalent) - Goût pour l’interaction modélisation - simulation - expérimentation - Capacité à travailler en autonomie et en équipe dans un environnement interdisciplinaire - Bon niveau d’anglais scientifique (écrit et oral)

Bibliographie

[1] Lionel Ogouari, Qiang Guo, Fahmi Zaïri, Thanh-Tam Mai, Yong Zheng, Jian Ping Gong, Kenji Urayama, 2026. Multiscale FE modeling of double-network gels with viscoelastic and anisotropic damage coupling. International Journal of Plasticity 200, 104666.
[2] Maxime Hoyaux, Abderrahman Tamoud, Tang Gu, Fahmi Zaïri, Fahed Zaïri, 2026. A multiscale sarcomere-to-fiber modeling approach for time-dependent uniaxial skeletal muscle mechanics. Acta Biomaterialia 212, 496-515.
[3] Ugo Cachot, Karim Kandil, Fahmi Zaïri, Fahed Zaïri, 2025. A multiscale finite element model of fluid-microstructure interactions in human intervertebral disc compression. Acta Biomaterialia 207, 398-413.
[4] Afshin Anssari-Benam, Fahmi Zaïri, 2025. Modelling the finite deformation of thermoplastic polymers via hyperinelasticity. Part I: A semi-crystalline polymer under varying crystallinity ratios and deformation rates. International Journal of Non-Linear Mechanics 175, 105091.

Mots clés

Modélisation multi-échelle, Matériaux souples, Couplages multi-physiques, Éléments finis, Intelligence artificielle, Mécanique numérique