Stage : Approche IA pour l’étude de l’endommagement et la prédiction de fissuration dans les matériaux complexes

Unité : CERI MP

Responsable hiérarchique : Directrice du Centre d’Enseignement, de Recherche et d’Innovation Matériaux Procédés (CERI MP)

Responsable fonctionnel : Nikzad MOTAMEDI

Catégorie : Étudiant

Nature de l’emploi : Stage

Lieu de travail : IMT Nord Europe Centres de Recherche Matériaux et Procédés 764, Boulevard Lahure 59508 Douai

Contexte :

École sous tutelle du ministère de l’économie, des finances et de la souveraineté industrielle et numérique, IMT Nord Europe est née en 2017 de la fusion de Télécom Lille et de l’École des Mines de Douai. Elle compte aujourd’hui parmi les plus Grandes Écoles d’ingénieurs au Nord de Paris avec plus 2200 élèves, dont un quart d’apprentis, plus de 600 diplômés par an et un réseau de 15 000 diplômés. Elle fait partie de l’Institut Mines Télécom, premier groupe public de Grandes Écoles d’ingénieurs et de management de France, et est partenaire de l’université de Lille.

IMT Nord Europe a 3 missions principales : former des ingénieurs responsables aptes à résoudre les grandes problématiques du XXIème siècle ; mener des recherches débouchant sur des innovations à haute valeur ajoutée ; soutenir le développement des territoires notamment en facilitant l’innovation et les créations d’entreprises. Son objectif est de former les ingénieurs de demain, maîtrisant à la fois les technologies numériques et les savoir-faire industriels. Idéalement située au carrefour de l’Europe, à 1 heure de Paris, 30 minutes de Bruxelles et 1H30 de Londres, IMT Nord Europe a l’ambition de devenir un acteur majeur des grandes transformations industrielles, numériques et environnementales du XXIème siècle en combinant, tant dans ses enseignements et que dans sa recherche, les sciences de l’ingénieur et les technologies du digital.

Localisée sur 2 sites principaux d’enseignement et de recherche, à Lille et à Douai, IMT Nord Europe s’appuie sur plus de 20 000 m² de laboratoire pour développer un enseignement de haut niveau et une recherche d’excellence dans les trois domaines « Systèmes Numériques », « Energie Environnement » et « Matériaux et Procédés ».

Pour plus de détails, consulter le site internet de l’École : www.imt-nord-europe.fr

Le poste est à pourvoir au sein du Centre d’Enseignement, de Recherche et d’Innovation Matériaux & Procédés (CERI MP) :

Principalement actif dans les domaines des transports et du génie civil, le Centre d’Enseignement, de Recherche et d’Innovation Matériaux & Procédés (CERI MP) couvre des applications aussi variées que l’agro-alimentaire, le médical ou encore les énergies renouvelables. Le Centre de Recherche est actif sur des matériaux aussi diversifiés que ceux du génie civil (liants hydrauliques et géopolymères, bétons, matériaux bitumineux, sédiments, laitiers, scories, mâchefers, matériaux biosourcés, impression 3d…), les polymères (thermoplastiques, mélanges de polymères, biosourcés, recyclés, compoundage, impression 3d …) et les matériaux composites (matrices thermoplastiques et thermodurs, renforts traditionnels et biosourcés, RTM, infusion, soudage laser…).

Contexte du stage :

La compréhension et la prédiction de la propagation des fissures constituent un enjeu scientifique et technologique majeur pour l’ingénierie mécanique et la durabilité des structures. Les matériaux complexes, tels que les composites, présentent des mécanismes d’endommagement multiples et non linéaires, rendant difficile l’anticipation de leur comportement en service.

Objectif du Stage :

L’objectif du stage est d’étudier la propagation des fissures dans ces matériaux en s’appuyant sur l’analyse de séries temporelles issues d’essais mécaniques ou de simulations numériques. L’utilisation de réseaux de neurones convolutifs temporels (Temporal Convolutional Networks, TCN) sera explorée pour développer un modèle prédictif robuste capable de capter les évolutions locales et globales de l’endommagement.

Ce projet s’inscrit dans les activités de recherche du CERI MP sur la modélisation du comportement des matériaux et le développement d’outils numériques innovants pour la mécanique. L’approche proposée permettra de mieux relier données expérimentales et modèles numériques, tout en exploitant les techniques récentes de deep learning.

Missions :

1- Analyser la propagation des fissures dans des matériaux complexes (composites) à partir de données expérimentales et/ou numériques.

2- Développer un modèle prédictif basé sur les séries temporelles en utilisant les Temporal Convolutional Networks (TCN).

3- Évaluer la capacité du modèle à anticiper l’endommagement et à contribuer à une meilleure compréhension et prédiction de la durée de vie des structures.