Thèse Développement d'Un Cadre Théorique et Numérique Général avec l'Aide des Réseaux des Neurones pour le Couplage Thermo-Électro-Magnéto-Mécanique des Matériaux Composites et Architecturés H/F - Doctorat.Gouv.Fr

Établissement : Institut Polytechnique de Paris École polytechnique École doctorale : Ecole Doctorale de l'Institut Polytechnique de Paris Laboratoire de recherche : LMS - Laboratoire de Mécanique des Solides Direction de la thèse : Konstantinos DANAS ORCID 0000000211775149 Début de la thèse : 2026-09-01 Date limite de candidature : 2026-05-31T23:59:59 Les progrès récents des techniques de fabrication (notamment la fabrication additive) ont considérablement accru la capacité à construire des microstructures améliorées et plus complexes, comportant plusieurs matériaux constitutifs. Le composite ainsi obtenu peut être conçu pour fonctionner dans plusieurs domaines d'application, par exemple résister à des charges mécaniques, transporter des champs électriques et magnétiques, et conduire ou isoler la chaleur, avec un impact important sur les défis sociétaux actuels (isolation, suivi en temps réel de l'endommagement des matériaux, batteries et sécurité etc.). Dans la littérature, ces différentes propriétés thermo-électro-magnéto-mécaniques sont le plus souvent étudiées et optimisées séparément. La possibilité récente de fabriquer de manière additive des composites multiphasiques soulève ainsi deux nouvelles questions : (i) comment optimiser plusieurs propriétés couplées afin de proposer des matériaux composites multifonctionnels répondant à plus d'un usage (par exemple résistance mécanique et isolation thermique, applications thermoélectriques, systèmes d'induction électromagnétique où la température et la résilience mécanique jouent un rôle essentiel - moteurs, batteries, prothèses, structures adaptatives dans l'aérospatial et la défense, etc.) ; et (ii) comment optimiser la microstructure, dont les bénéfices ont été démontrés récemment (en particulier son insensibilité aux imperfections), mais dont la conception reste plus délicate à maîtriser. Le projet de thèse proposé vise à établir un cadre théorique et numérique général en thermo-électro-magnéto-mécanique permettant d'atteindre un objectif ambitieux : optimiser simultanément au moins deux, voire trois propriétés couplées de matériaux composites (par exemple thermo-électro-mécaniques, électro-magnéto-mécaniques, thermoélectriques, magnéto-mécaniques) présentant des microstructures aléatoires lisses ou périodiques. S'appuyant sur nos travaux de ces dernières années sur les solides mous électro- et magnéto-mécaniques, nous proposons ici un sujet de doctorat visant à intégrer les théories individuelles décrivant la réponse mécanique, magnétique, électrique et thermique en une théorie unifiée thermo-électro-magnéto-mécanique pour les matériaux composites métalliques et polymères. 1. Se familiariser avec les outils disponibles (théorie, codes numériques pour la simulation du couplage électro- et magnéto-mécanique) développés dans notre groupe au cours des dix dernières années.

2. Étendre le cadre théorique général en combinant l'ensemble des équations de Maxwell (dans la limite des processus lents, c'est-à-dire en quasi-statique temporelle) avec la loi de Fourier pour la conduction thermique et les équations d'équilibre mécanique.

3. Construire un cadre numérique général permettant de résoudre des problèmes de référence aux petites et grandes déformations avec l'aide des réseaux de neurones.

4. Utiliser nos équipements expérimentaux pour fabriquer (par fabrication additive) et tester un composite simple à trois phases présentant des propriétés couplées électro-magnéto-mécaniques et thermo-magnéto-mécaniques.

Il est souhaitable que le/la candidat(e) au doctorat :
- présente une motivation forte pour travailler sur des problématiques de recherche à l'interface de la physique, de la mécanique et des mathématiques appliquées ;
- soit titulaire d'un diplôme d'ingénieur et/ou d'un master en mécanique, physique, génie mécanique, physique de la matière molle ou dans un domaine proche ;
- dispose de compétences en implémentation numérique (Python, logiciels d'éléments finis, réseaux de neurones) ;
- montre un intérêt pour un travail combinant modélisation théorique rigoureuse, simulations numériques et une composante expérimentale.