Application de modèles génératifs deep learning et développement de potentiel machine-learning pour le calcul de propriétés de transport atomique dans les oxydes mixtes uranium-plutonium désordonnés
Le machine learning (ML) est utilisé en science des matériaux pour améliorer les capacités de prédiction des modèles physiques. Les potentiels interatomiques ML (PIML), entraînés sur des calculs de structure électronique, sont des outils courants pour effectuer des simulations efficaces et physiquement précises. De plus, des modèles génératifs non supervisés sont actuellement explorés pour apprendre des distributions cachées d’une propriété et générer de nouvelles structures atomiques selon ces distributions. Cela est utile pour les solutions solides désordonnées, dont les propriétés dépendent de la distribution des espèces chimiques dans le réseau cristallin. Ici, le nombre de configurations atomiques est si grand qu’un échantillonnage exhaustif dépasse largement les capacités des méthodes conventionnelles. C’est le cas par exemple des oxydes mixtes U-Pu (MOX) ciblant la réduction du volume et de la radiotoxicité des déchets.
Ce projet vise à combiner les PIML et les méthodes génératives pour étudier les propriétés de transport atomique dans les MOX. Le/La candidat·e utilisera nos outils génératifs pour générer des configurations atomiques représentatives et construire une base de données ab initio. Il/elle utilisera cette base de données d’entraînement pour développer un nouveau PIML pour les MOX, en s’appuyant sur l’expérience acquise lors du développement de PIML pour les oxydes UO2 et PuO2. Enfin, il/elle appliquera le PIML pour calculer les coefficients de diffusion atomique, qui sont des données cruciales pour prédire l’évolution de la microstructure sous irradiation et le comportement dans le réacteur.
Le travail sera réalisé au Département d’Études des Combustibles (IRESNE, CEA Cadarache), dans un laboratoire ayant un haut niveau d’expertise en modélisation des matériaux, en étroite collaboration avec d’autres équipes du CEA expertes de méthodes ML. Les résultats seront valorisés via des publications et la participation à des congrès internationaux
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).
Dispositifs photoniques IV-IV à déformation pilotable : application à l’émission et la détection de lumière
La déformation de la maille cristalline d’un semi-conducteur est un outil très puissant permettant de contrôler de nombreuses propriétés telles que sa longueur d’onde d’émission, sa mobilité … Un enjeu de premier plan est de pouvoir générer cette déformation dans des gammes importantes (multi%), et de manière réversible et contrôlée. L’amplification locale de la déformation est une technique récente permettant d’accumuler localement dans une constriction micronique, telle qu’un micropont, des quantités significatives de déformation (jusqu’à 4.9% pour Ge [1]). Cette approche a été mise en œuvre dans des architectures de microlasers en GeSn ainsi fortement déformés au sein du laboratoire SiNaPS [2]. Ces structures ne permettent cependant pas aujourd’hui de moduler sur demande la déformation et la longueur d’onde d’émission imposées au sein d’un même composant, celle-ci étant gelée par « design ». L’objectif de ce post doctorat de 18 mois est donc de réaliser des dispositifs photoniques de la famille des MOEMs (microsystèmes opto-électro mécaniques) permettant de combiner l’amplification locale de la déformation dans le semi-conducteur, à une fonction d’actionnement via un stimulus externe, pour aller vers 1-une microsource laser accordable large bande en longueur d’onde et 2-de nouveaux types de photodétecteurs, le tout en technologie IV-IV (Si, Ge, et Ge1-xSnx). Le ou la candidat(e) mènera plusieurs tâches:
a-la simulation du fonctionnement mécanique des composants en utilisant des logiciels de type FEM, et le calcul des états électroniques du semiconducteur déformé
b-sur la base des résultats obtenus en a, la réalisation des composants en salle blanche (PTA: lithographie, gravure sèche, métallisation, bonding)
c-la caractérisation optique et matériau des composants fabriqués (microRaman, PL, photocourant, MEB…) à l’IRIG-PHELIQS et au LETI.
[1] A. Gassenq et al, Appl. Phys. Lett.108, 241902 (2016)
[2] J. Chrétien et al, ACS Photonics 6, 10, 2462–2469 (2019)
Distribution des energies d’hydrolyse dans des verres modèles par simulation moléculaire et Machine Learning
L'objectif de ce projet est de développer un outil basé sur la modélisation moléculaire combinée à des techniques de Machine Learning pour estimer rapidement des distributions d'énergie d'hydrolyse et de reformation des liaisons chimiques à la surface de verres alumino silicates (SiO2+Al2O3+CaO+Na2O).
La première étape consistera à valider les champs de force classiques utilisés pour préparer des systèmes SiO2-Al2O3-Na2O-CaO hydratés par comparaison avec des calculs ab initio. La métadynamique sera utilisée pour comparer les mécanismes élémentaires.
L'étape suivante consistera à effectuer des calculs avec les champs de force classiques et la méthode dite "Potential Mean Force" pour estimer les distributions d'énergies d'hydrolyse et de reformation des liaisons chimiques sur de larges statistiques. Puis, grâce aux approches de Machine Learning et aux descripteurs structuraux, nous essaierons de corréler les caractéristiques des environnements locaux et ces énergies d'hydrolyse et de reformation des liaisons. Des méthodes comme le "Kernel Ridge Regression", le "Random Forrest", ou le "Dense Neural Network" seront comparées.
Au final, un outil générique sera disponible pour prédire rapidement les distributions des énergies d'hydrolyse et de reformation des liaisons pour une composition donnée de verre.
Intégration d’un pouvoir d'arrêt électronique ab initio dans les simulations de dynamique moléculaire des cascades de déplacement dans les semiconducteurs
En environnement radiatif, les effets de déplacements atomiques peuvent entrainer la dégradation des performances des composants électroniques et optoélectroniques. Dans les semiconducteurs constituant ces composants, ils créent des défauts à l’échelle atomique, qui modifient le nombre de porteurs libres et donc altérent les performances du composant.
Afin de mieux comprendre les phénomènes physiques à l’origine de ces dégradations, les effets de déplacement sont bien reproduits par simulation à l’aide de méthode de dynamique moléculaire classique. Néanmoins, une compréhension plus fine de l’influence de la structure électronique du matériau sur le nombre de défauts créés lors de la cascade de déplacement est nécessaire pour avoir des simulations précises. Pour cela, un modèle nommé électron-phonon EPH a été développé. L’objectif de ce post-doctorat sera de nourrir ce modèle avec des calculs ab initio puis de le paramétrer afin d’effectuer des simulations de dynamique moléculaire pour plusieurs semiconducteurs utilisés dans les technologies microélectroniques actuelles. Les résultats obtenus serviront à mieux comprendre et améliorer si besoin le modèle EPH.
Aimants permanents pauvres en terres rares
La transition énergétique va entrainer une très forte croissance de la demande en terres rares (TR) au cours de cette décennie, notamment en ce qui concerne les éléments (Nd, Pr) et (Dy, Tb). Ces TR, classées comme matériaux critiques, sont utilisées de façon quasi exclusive pour produire des aimants permanents de type NdFeB dont ils constituent 30% de la masse.
Plusieurs études récentes, visant à identifier de nouveaux alliages pauvres en TR et présentant des performances comparables à la phase magnétique dense Nd2Fe14B, positionnent les composés ferromagnétiques durs de type TR-Fe12 comme des solutions de substitution crédibles, permettant d'économiser plus de 35% la quantité de TR tout en gardant des propriétés magnétiques intrinsèques proches de celles de la composition Nd2Fe14B. Cependant, les développements industriels de ces alliages ne peuvent pas encore être envisagés du fait de verrous technologiques et scientifiques importants qui restent à lever afin de pouvoir produire des aimants denses de type TR-Fe12 dont la résistance à la désaimantation serait suffisante pour les applications courantes (coercitivité Hc > 800 kA/m)..
Le but du projet post-doctoral proposé est de développer des alliages Nd-Fe12 avec des performances magnétiques intrinsèques optimales et de maitriser le frittage basse températures des poudres nitrurées pour obtenir des aimants denses, avec des coercitivités > 800 kA/m, pour répondre à des applications dans la mobilité électrique.
Deux verrous technologiques et scientifiques ont été identifié:
- la compréhension du rôle des phases secondaires aux joint de grains sur la coercitivité. Ceci permettra d'implémenter le procédé d'ingénierie aux joints de grains, connu pour avoir apporté des améliorations significatives dans la coercitivité pour les aimants NdFeB
- la maitrise de l'étape de frittage des poudres à basses températures, pour éviter la décomposition de la phase magnétique, en utilisant les phases aux joints de grains
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.
Développement d'un procédé de croissance cristalline
Dans le cadre de la réalisation de composants optiques de grandes dimensions pour le Laser MégaJoule, il est nécessaire d'étudier la croissance des cristaux de DKDP (KDP deutéré). Ils sont traditionnellement produits par croissance lente (la durée de croissance dépasse deux ans). Mais le laboratoire propose ici d'étudier une méthode rapide de croissance réduisant le délai de fabrication à quelques mois.