Modélisation de la méthode Flash par Intelligence Artificielle

Mécanique et thermique Stage - Bac+5 - Modélisation de la méthode Flash par Intelligence Artificielle - H/F Les équipes du CEA Le Ripault développent de nombreux moyens de caractérisation pour évaluer les performances des différents matériaux utilisés dans le cadre des programmes du CEA-DAM. La caractérisation de la diffusivité thermique de ces matériaux se fait ainsi par méthode de flash thermique. Cette méthode de caractérisation indirecte repose sur la mesure de l’échauffement d’un échantillon suite à l’absorption surfacique d’un flash de lumière ainsi que sur un modèle décrivant le transfert thermique dans le matériau. La méthode de caractérisation est dite inverse, l’objectif étant de remonter à une valeur de diffusivité thermique permettant de recaler numériquement le signal expérimental mesuré. En fonction des matériaux étudiés, le transfert thermique peut devenir complexe, et un couplage de l’équation de la chaleur avec celle du transfert radiatif s’avère alors nécessaire. Un tel modèle couplé permet ainsi une identification de la diffusivité thermique du matériau, mais implique des temps de calcul plus élevés lors de l’étape d’inversion. Une solution pour pallier cette difficulté est de substituer ce modèle à un modèle d’apprentissage machine pour pouvoir remonter directement à la diffusivité thermique à partir d’un thermogramme expérimental. L’objectif de cette étude est, dans un premier temps, d’intégrer un nouveau modèle thermique couplé, développé au CEA-DAM, dans la procédure d’inversion existante. Le modèle devra être capable de restituer des thermogrammes déjà obtenus sur des matériaux connus, permettant ainsi de le valider. Une fois cette étape franchie, ce modèle sera utilisé pour générer une base de données de « thermogrammes numériques » à partir de laquelle une démarche d’apprentissage automatique sera développée. Cette base de données pourra être enrichie de thermogrammes expérimentaux pour rendre l’apprentissage plus robuste. Une fois entrainé, ce modèle d’IA sera confronté à l’identification de nouveaux thermogrammes expérimentaux. La comparaison des résultats de ses prédictions avec ceux obtenus par la démarche d’inversion initiale permettra de finir de valider ce nouvel outil. Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes handicapées, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation pour l’inclusion des travailleurs handicapés. Participant à la protection nationale, une enquête administrative est réalisée pour tous les collaborateurs du CEA afin d'assurer l'intégrité et la sécurité de la nation. Appétence pour la simulation numérique Niveau master 1 ou master 2 en physique ou en spécialité énergétique Environnement Linux, Langage Python Bac+5