ISITE - Prédire le comportement mécanique des matériaux piloté par la microstructure : des données avancées à la modélisation innovante

Offre de thèse

Date limite de candidature

30-06-2026

Date de début de contrat

01-10-2026

Directeur de thèse

GEY Nathalie

Encadrement

Une réunion hebdomadaire 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

Financement d'un établissement public Français

Candidater à cette offre

école doctorale

C2MP - CHIMIE MECANIQUE MATERIAUX PHYSIQUE

équipe

DEPARTEMENT 2 : Ingénierie des Microstructures, Procédés, Anisotropie, ComportemenT (IMPACT)

contexte

The PRIMO project aims to bridge the gap between microstructural characterization and predictive modeling of material behavior. The research will be conducted in strong interaction with the PERP - AMMETIS consortium (AI-assisted Simulations of Microstructure driven Mechanical properties from high Throughput and multiscale analysis: https://www.pepr-diadem.fr/projet/ammetis-2/). Fundamental research will be conducted for a better understanding and prediction of microstructure-sensitive mechanical behaviour of metals and alloys.

spécialité

Mécanique des Matériaux

laboratoire

LEM3 - Laboratoire d Etude des Microstructures et de Mécanique des Matériaux

Mots clés

Microstructure, Essai in-situ, MEB, HR EBSD, plasticité, modélisation

Détail de l'offre

Cette thèse de doctorat vise 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. Ces modèles seront enrichis par les expériences menées en (1) afin d'améliorer leurs capacités prédictives. Ils seront également utilisés comme des outils extrêmement précieux pour aider à interpréter les données expérimentales.

Keywords

Microstructure, In-situ testing, SEM, HR EBSD, Plasticity, Modeling

Subject details

This PhD thesis aims to bridge the gap between microstructural characterization and predictive modeling of material behavior with 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. These models will be enriched by the experiments led in (1) to improve their predictive capabilities. They will be used also as extremely valuable tools to help interpret experimental data.

Profil du candidat

- Master en science des matériaux, en génie mécanique ou dans un domaine connexe.
- Solides connaissances en mécanique des matériaux
- Compétences en programmation (Python, MATLAB, Fortran, C++ ou similaire)
- Expérience en modélisation de la plasticité cristalline
- 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
• Programming skills (Python, MATLAB, C++, or similar)
• Experience with plasticty 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

[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.
[Fekih 25] Fekih M., Ostormujof T. M., Germain L., Piette M., Sornin D., Gey N. (2025). High temperature EBSD experiment versus crystallographic reconstruction to study phase transformation induced microstructures - Application examples for steels. Materials Characterization, 228:115427
[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
[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
[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.
[Smith 2026] Smith, A.D., Lunt, D., Taylor, M., Davis, A., Thomas, R., Martinez, F., Candeias, A., Gholinia, A., Preuss, M., Donoghue, J.M., 2026. A new approach to SEM in-situ thermomechanical experiments through automation. Ultramicroscopy 280, 114244. https://doi.org/10.1016/j.ultramic.2025.114244