Simulation d'un milieu poreux soumis à des impacts à haute vitesse
La maîtrise de la réponse dynamique de matériaux complexes (mousse, céramique, métal, composite) suite à des sollicitations intenses (dépôt d’énergie, impact hyper-véloce) est un enjeu majeur pour de nombreuses applications développées et conduites par la Direction des Applications Militaires (DAM) du Commissariat à l’Energie Atomique et aux Energies Alternatives (CEA). Dans cette optique, le CEA CESTA développe des modélisations mathématiques du comportement de matériaux face à des impacts hypervéloces. Ainsi, dans le cadre de l’ANR ASTRID SNIP (Simulation Numérique des Impacts dans les milieux poreux) en collaboration avec l’IUSTI (Université Aix-Marseille), des études sur le thème de la modélisation des matériaux poreux sont menées. Elles ont pour objectif d’aboutir à l’élaboration de modèles innovants plus robustes et palliant les déficits théoriques des méthodes existantes (consistance thermodynamique, préservation du principe d’entropie) Dans le cadre de ce post-doc, le candidat devra effectuer, dans un premier temps, une revue bibliographique pour comprendre les méthodes et modèles développés au sein de l’IUSTI et du CEA CESTA et comprendre leurs différences. Dans un second temps, il étudiera la compatibilité entre le modèle développé à l’IUSTI et les méthodes de résolution numériques utilisées dans le code de calcul de dynamique rapide du CEA CESTA. Il proposera des adaptations et des améliorations de ce modèle pour prendre en compte l’ensemble des phénomènes physiques que l’on souhaite capturer (plasticité, contraintes de cisaillement, présence d’inclusions fluides, endommagement) et rendre son intégration dans le code de calcul possible. Après une phase de développement, la validation de l’ensemble de ces travaux sera effectuée via des comparaisons avec les modèles physico-numériques existants ainsi que la confrontation avec les résultats expérimentaux d’impacts issus de la littérature et/ou effectués au CEA/DAM.
Traitement SLAM pour la navigation aidée par le terrain (Simultaneous Localization and Mapping)
Le post-doctorat se situe dans le contexte d’essais en vol d’un véhicule instrumenté (navette spatiale, capsule ou sonde) qui rentre dans l'atmosphère. Il s’agit de reconstruire, à partir de mesures (centrale inertielle, radar, ballon météorologique, etc.), la trajectoire et diverses quantités d'intérêt, afin de mieux comprendre les phénomènes physiques et de valider les modèles prédictifs. On s’est orienté vers des statistiques bayésiennes, associées à des méthodes par chaînes de Markov Monte Carlo (MCMC). Le post-doctorant aura pour mission de développer et d’étendre l'approche proposée, dans le cadre d'une collaboration scientifique avec Audrey Giremus, professeur à l’Université de Bordeaux et spécialiste du domaine. On cherchera en particulier à accroitre les performances d’échantillonnage en grande dimension. Une attention particulière sera portée à la problématique d'apprentissage automatique constituée par l'exploitation d'une base de données aérologiques. L'objectif final sera d'aboutir à un prototype évolutif qui, dédié à l'analyse post-vol des essais en vol, exploite les différentes sources d'information et les incertitudes associées. Les évaluations porteront sur des données simulées et réelles, avec comparaison à des outils existants. On s'efforcera de valoriser le travail par des communications et publications scientifiques.
Conception de filtres de réception assistée par machine learning
Le CEA réalise des essais en vol d'objets spatiaux munis d'antennes pour réaliser des fonctions spécifiques relatives aux expérimentations embarquées sur les objets. Ces objets conçus par le CEA doivent fonctionner dans des environnements électriques, mécaniques et climatiques sévères ce qui demande un recours à des conceptions utilisant des technologies particulières, parfois en rupture. En particulier, la fonction de filtrage RF en réception nécessite des composants robustes mécaniquement et d'encombrement réduit tout en assurant des performances électriques exigeantes. La technologie SIW (Substrate Integrated Waveguide) permet d'accéder à tel compromis.
L'évolution des techniques de fabrication additive a rendu la fabrication de composants en technologie SIW de plus en plus accessible. Le SIW consiste à réaliser un guide d'onde électromagnétique au sein d'un substrat de circuit imprimé radiofréquence (RF). Cela permet de profiter des avantages liés à la propagation en guide d'onde volumique (faibles pertes notamment) sans compromettre l'intégration circuit. La conception de guides d'ondes SIW et de composants dérivés (comme les filtres à cavités) est cependant plus complexe du fait d'un plus grand nombre de variables physiques mises en jeu dans les modèles électromagnétiques. Un stage de fin d'études de 6 mois ayant abouti à la mise au point de méthodes de conception de filtres SIW a permis de mettre en exergue les difficultés liées à la conception de composants en SIW. Parmi les difficultés rencontrées, les couplages non-triviaux entre certaines variables de conception ont été mentionnés, et c'est précisément dans ce type de situation qu'il peut être intéressant d'évaluer l'apport de méthodes issues du domaine de l'IA. Ce contrat post-doctoral propose ainsi de concevoir des outils d'aide à la conception de filtres en technologie SIW basés sur l'entraînement de réseaux de neurones artificiels (Artificial Neural Network - ANN).