Offre de thèse
Comportement prédictif des matériaux piloté par la microstructure : des données avancées à la modélisation innovante
Date limite de candidature
19-07-2025
Date de début de contrat
01-10-2025
Directeur de thèse
RICHETON Thiebaud
Encadrement
Une à plusieurs réunions hebdomadaires avec l'équipe encadrante Présence au quotidien des directeurs de thèse (chercheurs CNRS) au laboratoire pour échanger si besoin Participation aux séminaires de département Participation à des conférences nationales et internationales Suivi des formations doctorales
Type de contrat
école doctorale
équipe
DEPARTEMENT 2 : Ingénierie des Microstructures, Procédés, Anisotropie, ComportemenT (IMPACT)contexte
spécialité
Sciences des Matériauxlaboratoire
LEM3 - Laboratoire d Etude des Microstructures et de Mécanique des MatériauxMots clés
HR-EBSD, essais in-situ, ECCI, calculs FFT, plasticité polycristalline, dislocations
Détail de l'offre
Cette thèse de doctorat vise à combler le fossé entre la caractérisation microstructurale et la modélisation prédictive du comportement mécanique des matériaux cristallins. Une recherche fondamentale sera menée pour mieux comprendre et prédire le comportement mécanique des métaux et alliages sensible à la microstructure. Cela implique deux objectifs principaux :
(1) L'optimisation des plateformes MEB (microscopie électronique à balayage) à haut débit pour capter les mécanismes locaux de microplasticité à l'échelle mésoscopique. Des essais de déformation in-situ dans le MEB entièrement automatisés et couplés à de la corrélation d'images numériques à haute résolution (HR-DIC) et à la diffraction d'électrons rétrodiffusés (EBSD) sont proposés pour une caractérisation optimale à l'échelle mésoscopique. Cette approche est associée à de nouvelles méthodologies pour obtenir des cartes EBSD à haute résolution et des images ECC (Electron channeling Contrast) afin d'optimiser l'analyse des dislocations en volume dans les matériaux.
(2) Le développement de modèles innovants de plasticité cristalline multi-échelles basés sur la mécanique des champs de dislocations à l'échelle mésoscopique pour des échantillons polycristallins. Ces modèles seront enrichis par les expériences menées en (1) afin d'améliorer leurs capacités prédictives et appliqués à des polycristaux via des calculs FFT massivement parallélisés. Ils seront également utilisés comme des outils extrêmement précieux pour aider à interpréter les données expérimentales.
La recherche doctorale portera également sur les points suivants :
- Caractérisation des microstructures déformées par des techniques avancées basées sur la microscopie électronique à balayage (essais mécaniques in situ au MEB, EBSD/DIC à haute résolution).
- Développement d'approches basées sur les données pour extraire les caractéristiques microstructurales clés des microstructures déformées et les relations avec le comportement mécanique du matériau.
- Conception de cadres théoriques innovants qui intègrent les informations microstructurales dans des modèles prédictifs
- Mise en œuvre et validation de méthodes numériques basées sur les microstructures pour la prédiction du comportement mécanique des matériaux.
Keywords
HR-EBSD, in-situ tests, ECCI, FFT calculations, polycrystal plasticity, dislocations
Subject details
This PhD thesis aims to bridge the gap between microstructural characterization and predictive modeling of material behavior. Fundamental research will be conducted for a better understanding and prediction of microstructure-sensitive mechanical behaviour of metals and alloys. This implies two main objectives: (1) The optimization of high-throughput SEM-based platforms to capture local microplasticity mechanisms at the mesoscopic scale. Fully automated in-situ SEM deformation tests coupled with High-Resolution Digital Image Correlation (HR-DIC) and Electron BackScatter Diffraction (EBSD) are proposed for optimal mesoscale characterization. It is coupled with additional new methodologies to obtain High Resolution EBSD maps and ECC (Electron channeling Contrast) images for optimized dislocation analysis in bulk materials. (2) The development of innovative multi-scale crystal plasticity models based on Mesoscale Field Dislocation Mechanics for polycrystalline specimens. These models will be enriched by the experiments led in (1) to improve their predictive capabilities and applied to polycrystals via massively parallelized FFT calculations. They will be used also as extremely valuable tools to help interpret experimental data. The PhD research will involve: • Characterization of deformed microstructures by advanced SEM-based techniques (in-situ SEM mechanical tests, high resolution EBSD/DIC) • Development of data-driven approaches to extract key microstructural features on deformed microstructures and relations to material's behavior • Design of innovative modeling frameworks that incorporate microstructural information into predictive models • Implementation and validation of microstructure-informed numerical methods for material's behavior prediction
Profil du candidat
- Master en science des matériaux, en génie mécanique ou dans un domaine connexe.
- Solides connaissances en mécanique des matériaux et/ou en mécanique informatique
- Compétences en programmation (Python, MATLAB, Fortran, C++ ou similaire)
- Expérience des méthodes numériques et de la modélisation computationnelle
- Connaissance des techniques de caractérisation des matériaux requise
- Une bonne connaissance des approches d'apprentissage automatique est un plus.
- Bonnes aptitudes à la communication écrite et orale en anglais
- Capacité à travailler de manière indépendante et au sein d'une équipe pluridisciplinaire.
Candidate profile
Master's degree in Materials Science, Mechanical Engineering or a related field
• Strong background in mechanics of materials and/or computational mechanics
• Programming skills (Python, MATLAB, C++, or similar)
• Experience with numerical methods and computational modeling
• Knowledge of materials characterization techniques is required
• Familiarity with machine learning approaches is a plus
• Good written and verbal communication skills in English
• Ability to work independently and as part of a multidisciplinary team
Référence biblio
[Berbenni 20] Berbenni S., Taupin V., & Lebensohn R. A., (2020). A fast Fourier transform-based mesoscale field dislocation mechanics study of grain size effects and reversible plasticity in polycrystals. J. Mech. Phys. Solids, 135, 103808.
[Breumier 22] S. Breumier, S.; Martinez Ostormujof, T.; Frincu, B.; Gey, N.; Couturier, A.; Loukachenko, N.; Aba-perea, P.E.; Germain, L (2022) « Leveraging EBSD data by deep learning for bainite, ferrite and martensite segmentation », Mater. Charact., vol. 186, p. 111805, doi: 10.1016/j.matchar.2022.111805.
[Chamma 25] Chamma, L., Pipard, J. M., Arlazarov, A., Richeton, T., & Berbenni, S. (2025). A plasticity-induced internal length mean field model based on statistical analyses of EBSD and nanoindentation data. International Journal of Plasticity, 189, 104327.
[Genee 21] Genée J., Gey N., Bonnet F., Lebensohn R. A., Berbenni S. (2021). Experimental and numerical investigation of key microstructural features influencing the localization of plastic deformation in Fe-TiB2 metal matrix composite. J. Materials Science.: https://doi.org/10.1007/s10853-021-06017-7. hal-03053770
[Gholinia 20] A. Gholinia et al., Coupled Broad Ion Beam–Scanning Electron Microscopy (BIB–SEM) for polishing and three dimensional (3D) serial section tomography (SST), Ultramicroscopy, vol. 214, p. 112989, juill. 2020, doi: 10.1016/j.ultramic.2020.112989.
[Gholinia 24] A. Gholinia, J. Donoghue, A. Garner, M. Curd, M.J. Lawson, B. Winiarski, R. Geurts, P.J. Withers, T.L. Burnett, Exploration of fs-laser ablation parameter space for 2D/3D imaging of soft and hard materials by tri-beam microscopy, Ultramicroscopy, Volume 257, March 2024, 113903
[Guyon 16] Guyon J., Gey N., Goran D., Chalal S., Perez-Willard F. (2016). Advancing FIB assisted 3D EBSD using a static sample setup. Ultramicroscopy, 161:161-167. DOI: 10.1016/j.ultramic.2015.11.011. Réf. HAL: hal-01515195
[Harte 20] Harte A., M. Atkinson, M. Preuss, et J. Quinta da Fonseca, (2020) « A statistical study of the relationship between plastic strain and lattice misorientation on the surface of a deformed Ni-based superalloy », Acta Mater., vol. 195, p. 555 570, août 2020, doi: 10.1016/j.actamat.2020.05.029.
[Idrissi 24] Idrissi, Y., Richeton, T., Texier, D., Berbenni, S., & Lecomte, J. S. (2024). Robust determination of cubic elastic constants via nanoindentation and Bayesian inference. Acta Materialia, 281, 120406.
[TANIST]: https://www.royce.ac.uk/equipment-and-facilities/tanist-2-tescan-and-newtec-in-situ-testing/