Etude par dynamique moléculaire des mécanismes de déformation et de transformation de phase dans l'étain

Plusieurs transformations de phase induites par la pression ont été prédites et observées dans l'étain ; son diagramme de phase reflète en effet sa position particulière du groupe IV dans le tableau périodique des éléments pour lesquels les éléments plus légers (C, Si, Ge) ont tendance à former des liaisons covalentes. La phase la plus stable à 0K correspond à une phase diamant similaire à celles rencontrées dans les éléments plus légers. Par contre, des transitions en pression et température sont observées, associées à un changement de nature des liaisons interatomiques. Les propriétés thermodynamiques et mécaniques des différentes phases de l'étain ainsi que les transitions structurales sont assez bien connues aujourd'hui mais restent cependant difficiles à reproduire par les calculs de structure électronique.

Concernant les simulations de Dynamique Moléculaire (DM) classique, de nombreux potentiels semi-empiriques ont été proposés dans la littérature permettant de reproduire certaines parties du diagramme de phase ou certaines propriétés mais restant limités dans leurs capacités prédictives sur certaines propriétés, en particulier les constantes élastiques. Récemment des potentiels issus de l'apprentissage automatique ('Machine Learning Interatomic Potential - MLIP) ont été développés, qui améliorent la description des propriétés des différentes phases cristallines. Cependant, ces potentiels, entraînés sur des phases cristallines en température ainsi que des configurations liquides, ne prennent pas en compte les distorsions spécifiques des réseaux rencontrés lors de la déformation du matériau (formation de dislocation, maclage).

Etude thermodynamique de matériaux photoactifs pour les cellules solaires

Le développement de la production d'énergie électrique par la voie solaire photovoltaïque nécessite la mise au point de nouveaux matériaux pour la conversion du rayonnement solaire en paires électrons-trous. Les pérovskites hybrides organiques-inorganiques (HOIP), de type CsPbI3 avec des substitutions notamment de Cs par des ions formamidinium (FA) et/ou méthylammonium (MA) sont apparues comme des matériaux très prometteurs en termes de performances et de fabrication. Les substitutions de Cs par des éléments comme Rb, de Pb par Sn et I par Br sont également évoquées pour améliorer la stabilité ou les performances. La synthèse et l’optimisation de la composition de couches de tels matériaux nécessitent une meilleure connaissance de leurs propriétés thermodynamiques d'équilibre et de leur stabilité. L'objectif est de construire un modèle thermodynamique du système Cs-Rb-FA-Pb-Sn-I-Br. Le projet a débuté par le ternaire Cs-Pb-I qui a donné lieu à un article [1]. L'étape suivante portera sur le système ternaire Cs-Pb-Br puis sur le quaternaire Cs-Pb-I-Br. La démarche utilise la méthode CALPHAD, centrée sur la construction d'une base de données et d'une formulation analytique de l’énergie de Gibbs des phases, capable de reproduire les données thermodynamiques et de diagramme de phase. Une revue critique des données de la littérature permet d'initialiser cette base de données et d’évaluer les données manquantes qui sont ensuite acquises par des expériences et par des calculs de DFT.

Interactions Spin-Réseau dans les Simulations ab initio assistées par Apprentissage Automatique

Le domaine scientifique abordé par ce projet postdoctoral se situe à l’intersection de la dynamique moléculaire ab initio, de l’apprentissage automatique et de la caractérisation thermodynamique des matériaux soumis à des conditions extrêmes. Les simulations AIMD traditionnelles constituent un outil puissant pour étudier les propriétés dépendantes de la température et de la pression à partir des premiers principes, mais leur coût computationnel élevé en limite l’utilisation à grande échelle.
En développant et en appliquant des techniques d’échantillonnage assistées par apprentissage automatique (MLACS), ce projet postdoctoral vise à réduire drastiquement la charge de calcul tout en conservant la précision ab initio. Cela permet une exploration efficace des diagrammes de phases et des énergies libres, y compris dans des conditions de pression et de température extrêmes. Cette recherche vise à contribuer à la compréhension et à la modélisation des matériaux, tout en offrant à la communauté scientifique des outils de rupture.

Construction de diagrammes de phases ab initio par inférence bayésienne

Le domaine scientifique abordé par ce projet postdoctoral se situe à l’intersection de la dynamique moléculaire ab initio, de l’apprentissage automatique et de la caractérisation thermodynamique des matériaux soumis à des conditions extrêmes. Les simulations AIMD traditionnelles constituent un outil puissant pour étudier les propriétés dépendantes de la température et de la pression à partir des premiers principes, mais leur coût computationnel élevé en limite l’utilisation à grande échelle.
En développant et en appliquant des techniques d’échantillonnage assistées par apprentissage automatique (MLACS), ce projet postdoctoral vise à réduire drastiquement la charge de calcul tout en conservant la précision ab initio. Cela permet une exploration efficace des diagrammes de phases et des énergies libres, y compris dans des conditions de pression et de température extrêmes. Cette recherche vise à contribuer à la compréhension et à la modélisation des matériaux, tout en offrant à la communauté scientifique des outils de rupture.

Developpement Accéléré de Matériaux résistants aux SELs fondus chlorures

Le développement accéléré de matériaux est un enjeu majeur pour toutes les industries et la résistance à la corrosion est d’autant plus importante pour les problématiques d’économies des ressources. Aussi, ce projet vise à estimer la résistance à la corrosion d’alliages FeNiMnCr dans un sel de chlorure en application aux réacteurs nucléaires à sels fondus en collaboration avec l’’université du Wisconsin qui a largement montré sa compétence dans le développement accéléré de matériaux pour les réacteurs à sels fondus de fluorures et de chlorures. Dans le cadre de ce post-doc, des dizaines d’échantillons d’alliages modèles quaternaires FeNiMnCr seront synthétisés par fabrication additive à l’université du Wisconsin en faisant varier la composition de sorte à cartographier au mieux l’intégralité du tétraèdre de composition. Ces échantillons ainsi qu’une nuance NiCr corrodée dans une large gamme de chimie du sel seront ensuite corrodés au CEA. L’intérêt de ces expérimentations est d’une part d’obtenir en très peu de temps (1.5 ans) une large base de donnée de corrosion sur les alliages FeNiMnCr mais aussi de cribler l’effet d’une large gamme de composition de sel sur un alliage modèle NiCr. Enfin ces expérimentations permettront de cibler les meilleurs matériaux pour étudier leurs mécanismes de corrosion.

Etude de la THERmodiffusion des Petits Polarons dans UO2

Le sujet est publié sur le site recrutement de CEA à l'adresse suivante :
https://www.emploi.cea.fr/offre-de-emploi/emploi-post-doctorat-etude-en-ab-initio-de-la-thermodiffusion-des-petits-polarons-dans-UO2-h-f_36670.aspx

Impact de la microstructure dans le dioxyde d’uranium sur de l’endommagement balistique et électronique

Lors de l'irradiation en réacteur, les pastilles de combustible subissent des modifications microstructurales. Au-delà de 40 GWd/tU, une structure High Burnup Structure (HBS) apparaît en périphérie, où les grains initiaux (~10 µm) se subdivisent en sous-grains (~0.2 µm). Près du centre, sous haute température, des sous-grains faiblement désorientés se forment. Ces évolutions résultent de la perte d'énergie des produits de fission, générant des défauts tels que dislocations et cavités. Pour étudier l'effet de la taille des grains sur ces dommages, des échantillons de UO2 nanostructurés seront synthétisés au JRC-K par frittage flash. Des irradiations ioniques seront menées à JANNuS-Saclay et GSI, suivies de caractérisations (Raman, MET, MEB-EBSD, DRX). Le postdoctorat se déroulera au JRC-K, CEA Saclay et CEA Cadarache sous encadrement spécialisé.

Développement de cellules Potassium-ion performantes et respectueuses de l'environnement

Les batteries Lithium-ion constituent un système de référence en termes de densité d’énergie et de durée de vie au point de devenir une technologie clé de la transition énergétique notamment en alimentant les voitures électriques. Cependant, cette technologie repose sur une utilisation importante d’éléments peu abondants et sur des procédés de fabrication énergivores.
Dans cette optique, notre équipe développe de nouvelles batteries Potassium-ion présentant des performances élevées et n’utilisant que des éléments abondants et des procédés de fabrication respectueux de l’environnement.
Pour ce projet ambitieux et innovant, le CEA-LITEN (acteur majeur européen dans le domaine de la recherche pour l'énergie) recrute un chercheur post doctoral en chimie des matériaux. L’offre s’adresse à un jeune chercheur talentueux possédant un excellent niveau scientifique et un gout prononcé pour la dissémination de ses résultats au travers de brevets et de publications scientifiques.

Calcul de la conductivité thermique du combustible UO2 et l’influence des défauts d’irradiation

L’étude du comportement sous irradiation du combustible nucléaire fait l’objet de simulations dont les résultats dépendent étroitement de ses propriétés thermiques et de leurs évolutions avec la température et l’irradiation. La conductivité thermique de l’oxyde 100% dense peut à présent être obtenue par dynamique moléculaire à l’échelle du monocristal, en calculant les constantes de forces d’ordre 2, 3 et 4[1], mais l’effet de défauts comme les défauts induits par l’irradiation (boucle d’irradiation, amas de lacunes) voire même des joints de grains (céramique avant irradiation) restent difficiles à évaluer de façon couplée.
L’ambition de ce travail est d’inclure des défauts dans des supercellules et de calculer leur effet sur les constantes de force. En fonction de la taille des défauts considérés nous utiliserons soit la DFT soit un potentiel empirique ou numérique pour effectuer la dynamique moléculaire. AlmaBTE permet de calculer la diffusion des phonons par des défauts ponctuels [2] et le calcul de la diffusion des phonons par les dislocations et leur transmission à une interface ont aussi été récemment implémentés. Ainsi, le chaînage calculs atomistiques / AlmaBTE permettra de déterminer l’effet de la miscrostructure polycristalline et des défauts d’irradiation sur la conductivité thermique. A l’issue de ce post-doc, les propriétés obtenues seront utilisées dans les outils de simulation existants afin d’estimer la conductivité d’un élément de volume (effet additionnel de la microstructure notamment du réseau poreux, méthode FFT), donnée qui sera enfin intégrée dans la simulation du comportement de l’élément combustible sous-irradiation.
Le travail s’effectuera au sein du Département d’Études des Combustibles du CEA, dans un environnement scientifique caractérisé par une grande expertise sur la modélisation des matériaux, en collaboration étroite avec d’autres équipes du CEA à Grenoble et en région parisienne expertes des calculs atomistiques. Les résultats

Application de l’intelligence artificielle à l’identification d’objets dans des images de microscopie électronique en Transmission (TEM)

La caractérisation d’objets de taille nanométrique par microscopie électronique à transmission (MET) est essentielle pour évaluer le comportement mécanique des matériaux de structure des réacteurs nucléaires ou dans le domaine de la nanotechnologie. Ces objets, visibles par contraste de phase (nanobulles) ou contraste de diffraction (boucles de dislocation ou précipités cohérents), sont des candidats de choix à l'automatisation. L'analyse manuelle de ces micrographies est souvent chronophage et non reproductible. Dans ce projet, l'objectif est de développer des outils informatiques en Python basés sur des techniques d'apprentissage automatique pour traiter des images de MET. Pour cela, le travail se décompose en plusieurs tâches:
- Recueil d’une base de données conséquente, indispensable au succès de toute approche de ce type. Dans ce projet, quatre microscopistes sont impliqués et enrichiront en permanence la base de données avec des images contenant des caractéristiques facilement reconnaissables.
- Débruitage des images et recherche des contours des objects (défauts) à la fois grâce à des logiciels en libre accès existants et à des descripteurs développés en interne. Une région d'intérêt (ROI) représentative sera générée sur les images.
- Conception de l'architecture du réseau de neurones de type CNN et apprentissage du modèle: Une identification collective sera effectuée sur l'ensemble des images afin d'identifier certaines régions (ou objets) d’intérêt (ROI). Chaque ROI est ensuite superposé à l’image initiale et est transmise au réseau de neurones pour établir des identifications particulières. Par ailleurs, les avancées récentes en matière de segmentation d'images seront intégrées au processus.
- Appréciation de la performance du modèle
Le processus sera appliqué à des défauts nanométriques formés dans des matériaux nucléaires (alliages à haute entropie sans Co, UO2) ainsi qu’à des précipités dans des matériaux d'intérêt technologique (Cr dans Cu).

Top