Stage mécanique / ia master 2 : métamodèle pour la fragmentation d'un granule d'uo2 h/f

Stage mécanique / IA Master 2 : Métamodèle pour la fragmentation d'un granule d'UO2 H/F


Description du poste

Matériaux, physique du solide


Sujet de stage

Métamodèle pour la fragmentation d'un granule d'UO2 : exploration et intégration à des simulations à plus grandes échelles.
Le procédé de fabrication des combustibles nucléaires est basé sur la métallurgie de poudres.

Le pressage ou le pastillage est une étape de ce procédé qui consiste à compacter la poudre (sous forme de granules) pour obtenir des pastilles dites « crues ».

A l'échelle des granules, ce processus implique des phénomènes de réarrangement et de fragmentation qui conduisent à la densification du milieu.

L'objectif de ce stage est d'explorer le potentiel des métamodèles pour prédire la fragmentation des granules lors des simulations de pressage réalisées par la méthode DEM (Discrete Element Method) dans le but de réduire les temps de calcul.


Durée du contrat (en mois)


Description de l'offre

Ce stage s’inscrit dans un projet dédié à la modélisation multi-échelle du procédé de pressage de poudres. Les outils de calcul scientifique (OCS) développés actuellement pour modéliser ce procédé sont basés sur la méthode des éléments finies (FEM) à l’échelle de la pastille et sur la méthode des éléments discrets (DEM, Discrete Element Method) à l’échelle granulaire.

La caractérisation mécanique d’un volume élémentaire représentatif (VER) de poudres par simulation DEM est une étape nécessaire pour prendre en compte les effets de la microstructure sur le comportement macroscopique à l’échelle de la pastille. L’augmentation récente des moyens de calculs et les avancées en terme de modélisation permettent désormais de considérer en DEM le pressage de petits volumes représentatifs avec un nombre limité de particules fragmentables.

Cependant ces simulations présentent encore un coût de calcul prohibitif pour un grand nombre de particules et un VER qui évolue avec le degré de fragmentation. Une possibilité d’optimisation de ces calculs est d’utiliser une approche d’apprentissage automatique (machine learning) pour prédire la fragmentation des particules lors des simulations DEM.

Ce type de méthode présente l’avantage d’être rapide à l’exécution mais nécessite une phase d’apprentissage sur des données représentatives du phénomène à reproduire. La substitution du modèle de fragmentation des particules par un métamodèle de ce type dans les simulations DEM nécessite ainsi au préalable l’élaboration d’une base de donnée décrivant entre autres le degré de fragmentation d’une particule et la forme de fragments en fonction des sollicitations et propriétés mécaniques mises en jeu. Dans ce contexte, les données d’apprentissage seront simulées par fragmentation.

Le premier objectif de ce stage est de constituer une base d’apprentissage à partir de simulation DEM décrivant la fragmentation de particules. L’enjeu associé à la construction de la base de données consistera à identifier et hiérarchiser les différents paramètres impliqués dans le processus de fragmentation et de focaliser l’apprentissage à partir de ceux ayant le plus d'impact sur le degré de fragmentation d’une particule et la forme de fragments.

L’idée sera ensuite d’évaluer différents types d’approches pour prédire la fragmentation des particules et de les comparer à des calculs DEM avec des particules fragmentables.


Moyens / Méthodes / Logiciels

Méthode d'apprentissage automatique, C++, Python


Profil du candidat

Vous préparez un Bac+5 (Diplôme École d'Ingénieurs ou équivalents) avec dominante en modélisation, méthodes numériques, machine learning.

Adressez-nous votre candidature pour rejoindre l'équipe et contribuer aux projets structurants et innovants du CEA !

Conformément aux engagements pris par le CEA en faveur de l’intégration des personnes en situation d’handicap, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation.


Localisation du poste

France, Provence-Côte d'Azur, Bouches du Rhône (13)


Ville

Saint Paul les Durance


Référence

2024-34276


Description de l'unité

Les Outils de Calcul Scientifique (OCS) et les bases de données pour la simulation du comportement des combustibles sont développés au sein du Service d'Etudes et de Simulation du comportement des Combustibles (SESC).

Nous développons des outils de simulation du comportement des combustibles pour les différentes filières de réacteurs nucléaires au sein de la plateforme numérique PLEIADES. Nos outils de calcul sont déployés pour une optimisation de la production et de l'usage des énergies décarbonées.

Notre équipe pluridisciplinaire regroupe plus d'une centaine de salariés ingénieurs, chercheurs...

#J-18808-Ljbffr