Offre de thèse
Modélisation basée sur les connaissances et les données d'un procédé durable de polymérisation frontale photoinduite
Date limite de candidature
30-04-2025
Date de début de contrat
01-10-2025
Directeur de thèse
MEIMAROGLOU Dimitrios
Encadrement
Directeur de thèse : Dimitrios MEIMAROGLOU - LRGP - Maitre de Conférences HDR Université de Lorraine - dimitrios.meimaroglou@univ-lorraine.fr Co-directrice de thèse : Sandrine HOPPE - Chargée de Recherche HDR Université de Lorraine - sandrine.hoppe@univ-lorraine.fr La thèse aura lieu dans le cadre d'un projet ANR (ANR-24-CE06-5820 - PhotoFront). Encadrement au quotidien avec points hebdomadaires et réunions régulières avec les autres membres du consortium (Mulhouse).
Type de contrat
école doctorale
équipe
Axe 5 - GENIE DES PRODUITScontexte
La fabrication de composites à base de polymères par des procédés à faible impact environnemental représente aujourd'hui un enjeu majeur dans le domaine de la science des polymères, avec un lien direct avec les marchés de l'aérospatiale, de l'aéronautique, de l'automobile et des applications sportives. Le procédé de polymérisation frontale thermique photoinduite, étudié dans ce travail, offre une alternative efficace sur le plan énergétique et plus favorable sur le plan environnemental aux procédés classiques d'autoclave. Cependant, sa mise en œuvre au niveau industriel nécessite une meilleure compréhension des mécanismes et une capacité de prédiction accrue. À ce propos, le couplage de l'étude expérimentale avec le développement de modèles mathématiques de pointe est primordial. Le projet de cette thèse se focalisera alors sur cette dernière partie de l'étude, à savoir le développement de modèles mathématiques, sur la base des connaissances et sur la base des données.spécialité
Génie des Procédés, des Produits et des Moléculeslaboratoire
LRGP - Laboratoire Réactions et Génie des Procédés
Mots clés
Polymérisation, Modélisation mathématique, Méthode de Monte Carlo, Apprentissage automatique
Détail de l'offre
La polymérisation frontale thermique photoinduite (PTFP) désigne la création de polymères par la propagation d'une zone de réaction de polymérisation localisée, appelée « front », au sein du mélange réactionnel, qui est induite photochimiquement à la surface de l'échantillon. Sous irradiation, un volume donné de résine polymérisable est polymérisé par voie photochimique, ce qui entraîne un dégagement de chaleur. Ce dégagement de chaleur augmente localement la température à une valeur telle qu'un initiateur thermique peut se décomposer et poursuivre la polymérisation en profondeur. Il en résulte une zone de réaction locale qui se propage, aboutissant finalement à un polymère entièrement polymérisé sur une profondeur beaucoup plus grande que celle accessible à la lumière. Il s'agit d'une méthode intelligente pour fabriquer des polymères épais et chargés.
Ce processus hors autoclave (OoA) ouvre une voie durable à la fabrication de polymères renforcés de fibres de verre, de carbone ou de fibres naturelles (composites) d'une manière plus efficace et plus compétitive en termes de coûts. Par exemple, il a été démontré que la mise en œuvre de la polymérisation frontale pour le durcissement des pièces d'un avion pouvait conduire à une réduction de l'énergie de plusieurs ordres de grandeur (jusqu'à dix ordres de grandeur) par rapport au processus classique en autoclave, tout en réduisant également de manière significative la durée du processus et le coût de l'équipement. Les composites produits ont connu une croissance importante au cours des dernières décennies en raison de leur faible poids combiné à leurs propriétés mécaniques élevées qui jouent un rôle central dans des marchés très exigeants tels que l'aérospatiale, l'aéronautique, l'automobile et les applications sportives.
Dans le cadre d'un projet soutenu financièrement par l'Agence Nationale de la Recherche (ANR-24-CE06-5820 - PhotoFront), une approche multidisciplinaire est proposée pour synthétiser des systèmes d'amorçage hautement réactifs qui conduiront à une propagation stable du front en présence de charges de fibres, atteignant jusqu'à 50 % en poids, et pour développer des modèles mathématiques théoriques permettant de prédire le comportement du PTFP et les propriétés des résines et composites synthétisés dans différentes conditions d'utilisation. Le présent appel à candidatures de doctorat concerne précisément cette dernière partie, c'est-à-dire la modélisation mathématique du processus.
En conséquence, des techniques de modélisation phénoménologiques et basées sur des données, allant des méthodes stochastiques de Monte Carlo (MC) aux méthodes d'apprentissage automatique (Machine Learning), seront employées pour fournir la compréhension nécessaire et les outils de capacité prédictive qui conduiront à la synthèse optimale de résines et de composites avec des propriétés d'utilisation finale ciblées. Les cadres de modélisation mathématique existants du front de polymérisation, tels qu'ils sont décrits dans la littérature, seront étendus et combinés avec des outils de modélisation phénoménologiques et basés sur des données pour la prédiction non seulement de l'évolution des indices clés du processus (par exemple, la vitesse du front, la température et la conversion des monomères), mais aussi des propriétés des polymères dans une large gamme de conditions de processus. L'approche adoptée évoluera en fonction des objectifs de modélisation spécifiques de chaque phase du projet ainsi que des connaissances et des données disponibles et/ou générées sur le comportement modélisé. Les développements de la modélisation seront synchronisés avec les deux autres piliers principaux du projet, à savoir l'étude de la chimie du système et la caractérisation des résines et composites synthétisés.
Keywords
Polymerization, Mathematical modeling, Monte Carlo methods, Machine Learning
Subject details
Photoinduced Thermal Frontal Polymerization (PTFP) refers to the creation of polymers via the propagation of a localized polymerization reaction zone, called “front”, within the reaction mixture which is photochemically induced at the surface of the sample. Under irradiation, a given volume of polymerizable resin is photochemically cured, leading to the release of heat. This heat release increases locally the temperature at such a value that a thermal initiator can decompose and pursue the polymerization in depth. This leads to a propagating local reaction zone, leading ultimately to a fully cured polymer over a much greater depth than that accessible to the light. This provides a smart method to cure thick and filled polymers. This out-of-autoclave (OoA) process opens a sustainable route to the fabrication of glass-, carbon- or natural- fiber-reinforced polymers (composites) in a more efficient and cost-competitive manner. For example, it has been shown that the implementation of frontal polymerization for curing parts of an aeroplane could lead to an energy reduction of several orders of magnitude (i.e., up to ten orders of magnitude), with respect to the classical autoclave process, while also significantly reducing the process time and equipment cost. The produced composites have known an important growth over the last decades due to their low weight combined with their high mechanical properties that play a pivotal role in highly demanding markets such as aerospace, aeronautic, automotive and sport applications. Within the framework of a project, that is financially supported by the National Agency for Research (ANR-24-CE06-5820 - PhotoFront) a multidisciplinary approach is proposed to synthesize highly reactive initiating systems that will lead to stable propagation of the front in the presence of fiber charges, reaching up to 50 wt%, and to develop theoretical mathematical models to predict the behavior of the PTFP and the properties of the synthesized resins and composites under various operating conditions. The present call for PhD applications concerns exactly this latter part, i.e., the mathematical modeling of the process. Accordingly, phenomenological and data-driven modeling techniques, ranging from stochastic Monte Carlo (MC) to machine learning (ML) methods, will be employed to provide the necessary understanding and predictive capacity tools that will drive the optimal synthesis of resins and composites with targeted end-use properties. Existing mathematical modeling frameworks of the polymerization front, as described in the relative literature, will be further extended and combined with state-of-the-art phenomenological and data-driven modeling tools for the prediction not only of the evolution of key process indexes (e.g., front velocity, temperature and monomer conversion) but also of the polymer properties under a wide range of process conditions. The adopted approach will evolve, depending on the specific modeling objectives of each phase of the project as well as on he available and/or generated knowledge and data on the modeled behavior. The modeling developments will be synchronized with the other two main pillars of the project, namely the study of the chemistry of the system and the characterization of the synthesized resins and composites.
Profil du candidat
Nous recherchons des candidats ayant une solide formation en science des polymères (par exemple, en chimie des polymères) et une expérience préalable dans le développement de programmes informatiques, ainsi qu'un vif intérêt pour la modélisation mathématique. Les candidatures des personnes qui n'ont pas d'expérience significative en Python ou Matlab mais plutôt dans un autre langage de programmation et qui sont motivées pour faire la transition vers l'un des langages proposés sont également les bienvenues. Tout travail antérieur sur le génie des réactions des polymères, les simulations Monte Carlo ou l'apprentissage automatique sera considéré comme un atout majeur. La maîtrise de l'anglais est obligatoire et doit être attestée par une certification officielle récente (<2 ans) et/ou vérifiée sur les éléments du CV et au cours de l'entretien.
Pour toute thèse proposée au sein de l'Ecole Doctorale, le futur doctorant devra bien être titulaire d'un master (diplôme de master/d'ingénieur français ou étranger, …) justifiant d'un parcours remarquable.
Dans tous les cas (diplôme de master ou d'ingénieur français ou étranger, …) le dossier doit comporter :
• le CV du candidat et lettre de motivation
• les notes obtenues au diplôme conférant le grade de master, l'excellence est requise au et copie du diplôme s'il est disponible
• des lettres de recommandations émanant du Responsable de la filière de formation et du tuteur de stage de fin d'études
• des éléments tangibles sur l'initiation à la recherche (mémoire de recherche, publication, ...).
Le dossier complet de candidature doit être envoyé à la direction de thèse par les adresses messageries des directeurs de thèses :
dimitrios.meimaroglou@univ-lorraine.fr
ET
sandrine.hoppe@univ-lorraine.fr
Candidate profile
We are looking for candidates with a solid background in polymer science (e.g., polymer chemistry) and prior experience in developing computer programs, as well as a keen interest in mathematical modeling. Applications are also welcome by applicants who don't have significant experience in Python or Matlab but rather in another programming language and are motivated to make the transition to one of the proposed languages. Any previous work on Polymer Reaction Engineering, Monte Carlo simulations or Machine Learning will be considered a major asset. A proficient level of English is mandatory, either certified by a recent (<2 years) official certification and/or verified upon CV elements and during the interview.
All applicants to the Doctoral School SIMPPÉ must have successfully completed a Master degree or its equivalent with a grade comparable to or better than the French grade AB (corresponding roughly to the upper half of a graduating class). In all cases (French or foreign Master degree, engineering degree, etc.) the counsel of the doctoral school will examine the candidate's dossier, which must include:
• CV and letter of motivation
• the grades obtained for the Master (or equivalent) degree and a copy of the diploma if it is available
• 2 letters of recommendation, preferably from the director of the Master program and the supervisor of the candidate's research project
• written material (publications, Master thesis or report, etc.) related to the candidate's research project.
The complete application file must be sent to the thesis supervisors by email :
dimitrios.meimaroglou@univ-lorraine.fr
ET
sandrine.hoppe@univ-lorraine.fr
Référence biblio
1. Pojman, J. A. (2012). Frontal Polymerization. In Polymer Science: A Comprehensive Reference (pp. 957–980). Elsevier.
2. Lecompère, M., Allonas, X., Maréchal, D., & Criqui, A. (2017). Versatility of Pyrylium Salt/Vinyl Ether Initiating System for Epoxide Dual-Cure Polymerization: Kick-Starting Effect of the Coinitiator. Macromolecular Rapid Communications, 38(13), 1600660.
3. Gachet, B., Lecompère, M., Croutxé-Barghorn, C., Burr, D., L'Hostis, G., & Allonas, X. (2020). Highly reactive photothermal initiating system based on sulfonium salts for the photoinduced thermal frontal cationic polymerization of epoxides: a way to create carbon-fiber reinforced polymers. RSC Advances, 10(68), 41915–41920.
4. Meimaroglou, D., & Kiparissides, C. (2014). Review of Monte Carlo Methods for the Prediction of Distributed Molecular and Morphological Polymer Properties. Industrial & Engineering Chemistry Research, 53(22), 8963–8979. https://doi.org/10.1021/ie4033044
5. Trinh, C., Meimaroglou, D., & Hoppe, S. (2021). Machine Learning in Chemical Product Engineering: The State of the Art and a Guide for Newcomers. Processes, 9(8), 1456. open access
6. Pojman, J. A. (2019). Mathematical modeling of frontal polymerization. Mathematical Modelling of Natural Phenomena, 14(6), 604. https://doi.org/10.1051/mmnp/2019059