Grâce aux nouvelles architectures des supercalculateurs, les simulations de dynamique moléculaire classique (DM) entreront bientôt dans le domaine du millier de milliard d’atomes. Ces systèmes de simulation – de tailles inédites – seront ainsi capables de représenter la plasticité des métaux à l’échelle du micron. De telles simulations génèrent une quantité considérable de données et la difficulté réside désormais dans leur exploitation, afin d'en extraire les ingrédients statistiques pertinents pour l’échelle de la plasticité « mésoscopique » (échelle des modèles continus). L'évolution d'un matériau est complexe car elle dépend de lignes de défauts cristallins très étendues (les dislocations) dont l’évolution est régie par de nombreux mécanismes. Afin d'alimenter les modèles aux échelles supérieures, les grandeurs à extraire sont les vitesses et la longueur des dislocations, ainsi que leur évolution au cours du temps. L’extraction de ces données peut se faire par des techniques d'analyse spécifique a posteriori basées sur la caractérisation de l'environnement local ('distortion score' [goryaeva_2020], 'local deformation' [lafourcade_2018], ‘DXA’ [stukowski_2012], mais qui restent très couteuses et ne permettent pas de traitement in situ. Nous avons récemment développé une méthode robuste permettant d'identifier à la volée la structure cristalline [lafourcade_2023], qui sera bientôt étendue au cas de la classification des dislocations. L'objectif du stage post doctoral est le développement d'une chaîne d'analyse complète menant à l'identification in-situ des dislocations au sein des simulations atomistiques ainsi qu'à leur extraction sous forme nodale. La première étape de ce processus passe par la classification et l'identification des atomes voisins du coeur de la dislocation.