Convertisseur forte puissance isolé avec un module intelligent GaN 1200V/150A et un transformateur Planaire pour les applications V2X (vehicule to everything)
Les systèmes de conversion d’énergie sont considérés comme critiques pour réduire les émissions de CO2 sur la planète. Dans la plupart des applications, deux défis majeurs se posent :
• Augmenter les rendements énergétiques en augmentant la fréquence de commutation des nouveaux semi-conducteurs tels que le SiC (carbure de silicium) ou le GaN (nitrure de gallium)
• Réduire la masse et le volume des systèmes pour économiser les matières premières et l’énergie
Ces systèmes d’électronique de puissance doivent fonctionner dans des environnements difficiles du point de vue électromagnétique et thermique. De plus, ils introduisent des perturbations lors des commutations qui dépendent fortement de l’agencement des composants et des méthodes de packaging (l’objectif est donc de minimiser les résistances électriques et thermiques ainsi que les inductances parasites liées aux interconnexions). Le packaging comprendra les composants actifs avec leurs circuits de commande, appelés « modules de puissance intelligents ». C'est pourquoi ce projet V2xGaN vise à développer un module de puissance à base de GaN pour les applications V2X (vehicle to everything)
Développement d'une nouvelle génération d'adhésifs polymères réversibles
Les adhésifs polymères sont des systèmes généralement réticulés utilisés pour lier deux substrats durant toute la durée de vie d’un assemblage pouvant être multimatériau et ce pour de multiples applications. En fin de vie, la présence d’adhésifs rend difficile la séparation des matériaux ainsi que leur recyclage, du fait de la difficulté de détruire la réticulation de l’adhésif sans traitement chimique ou thermique agressif également pour les substrats liés.
Dans ce cadre, le CEA développe des adhésifs à recyclabilité augmentée, et ce via l’intégration de la recyclabilité dans les structures chimiques dès la synthèse des réseaux polymères. Une première approche consiste à intégrer à des réseaux polymères des liaisons dynamiques covalentes, échangeables sous stimulus généralement thermique (par exemple des vitrimères). Une seconde consiste à synthétiser des polymères dépolymérisables sous un stimulus spécifique (polymères auto-immolables) ayant la capacité de réticuler.
Dans ce contexte, le.a post-doctorant.e développera 2 réseaux utilisables en tant qu’adhésif à recyclabilité augmentée. Un premier réseau se basera sur une chimie dépolymérisable sous stimulus déjà développée sur des chaines linéaires de polymère, devant être transposée à un réseau. D’autre part, un second réseau vitrimère sera synthétisé sur la base de travaux précédents au CEA. L’activation de l’échange de liaisons dans ce réseau se fera via un catalyseur dit photolatent, activable par UV et permettant d’obtenir un adhésif à stimulus UV et thermique. Le choix, la synthèse de ces catalyseurs et leurs impacts sur l’adhésif seront l’objet de l’étude réalisée. Les catalyseurs obtenus pourront également être utilisés comme déclencheurs de la dépolymérisation du premier système dépolymérisable sous stimulus.
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.
Modélisation du dispositif d'irradiation MADISON du RJH
Le Réacteur Jules Horowitz (RJH), en cours de construction sur le site du CEA de Cadarache, aura pour objectifs de réaliser les irradiations de matériaux et combustibles en soutien à la filière nucléaire française et internationale et également de produire des radio éléments à usage médical. Pour mener à bien ses missions, le réacteur comportera de nombreux dispositifs expérimentaux. En particulier, le dispositif MADISON, qui est actuellement en cours de conception, permettra d’irradier 2 ou 4 échantillons combustibles en conditions nominales stationnaires ou en transitoires opérationnels. La boucle est représentative des conditions de fonctionnement des réacteurs à eau légère et fonctionne en convection forcée monophasique et diphasique.
L’objectif du Post-Doc consiste à modéliser précisément le dispositif MADISON et l'ensemble des échanges de chaleur associés afin de contribuer à la détermination du bilan thermique d'ensemble au cours de l’essai et d'améliorer ainsi la précision sur la détermination de la puissance linéaire imposée aux échantillons. Dans cet objectif, une modélisation couplée thermique (décrivant les crayons combustibles, les structures du dispositif) / thermohydraulique CFD (décrivant le caloporteur) sera établie à l'aide du code NEPTUNE_CFD/SYRTHES. La validation de la modélisation sera effectuée sur la base des résultats acquis dans le cadre d’une modélisation similaire réalisée sur les dispositifs mono-crayon ISABELLE-1 et ADELINE des réacteurs OSIRIS et RJH. La démarche proposée s'intègre dans la logique de développement de jumeaux numériques des dispositifs expérimentaux du RJH.
Mesure in-situ de la composition de liquide par holographie numérique en ligne
Cette offre de postdoctorat fait partie du projet ANR ATICS (Imagerie tri-dimensionnelle avancée de systèmes particulaires complexes), qui vise à développer un ensemble d'outils et de méthodes avancées pour la modélisation et la reconstruction d’hologrammes, afin de décupler les capacités pratiques de l'imagerie tridimensionnelle par holographie numérique en ligne. Il s'agit d'un projet de recherche collaboratif d’une durée de quatre ans, mené par quatre laboratoires universitaires, du CNRS, de grandes écoles et du CEA. Dans ce cadre, l'objectif des travaux de postdoc est d'apporter des connaissances et des données physiques aux autres membres de l’équipe, ainsi que de démontrer l’apport des développements théoriques et numériques réalisés dans ATICS dans deux domaines de recherche sur lesquels les partenaires sont régulièrement impliqués : les écoulements multiphasiques et les procédés de recyclage. Pour ce faire, il s'agira de développer de nouveaux dispositifs expérimentaux de mesure de la composition de liquides en exploitant le potentiel de l’holographie numérique en ligne à différentes échelles, depuis la microfluidique jusqu’à l’étude des sprays en lévitation acoustique. Les travaux seront conduits en relation étroite avec les équipes du laboratoire IUSTI de l'Université d'Aix-Marseille.
Réduction de dimension et méta-modélisation dans le domaine de la dispersion atmosphérique
La modélisation et la simulation de la dispersion atmosphérique sont indispensables pour s’assurer de l’inocuité des rejets émis dans l’air par le fonctionnement autorisé des installations industrielles et pour estimer les conséquences sanitaires d’accidents qui pourraient affecter ces installations. Depuis une vingtaine d’années, les modèles physiques de la dispersion ont connu des améliorations très notables afin de prendre en compte les détails de la topographie et de l’occupation des sols qui font la complexité des environnements industriels réels. Bien que les modèles 3D aient vu leur utilisation s’accroître, ils présentent des temps de calcul très conséquents, ce qui obère leur emploi dans les études multi-paramétriques et l’évaluation des incertitudes qui nécessitent de très nombreux calculs. Il serait dons souhaitable d’obtenir les résultats très précis des modèles actuels ou des résultats approchants dans des délais bien plus brefs. Récemment, nous avons développé une stratégie consistant à réduire la dimension de cartes de répartition d’un polluant atmosphérique obtenues au moyen d’un modèle physique 3D de référence pour différentes conditions météorologiques, puis à faire apprendre ces cartes par un modèle d’intelligence artificielle (IA) qui est ensuite utilisé pour prévoir des cartes dans d’autres situations de météorologie. Le projet post-doctoral s’attachera à compléter les travaux de recherche entamés en évaluant les performances de méthodes de réduction de dimension et de substitution de modèle déjà explorées et en étudiant d’autres méthodes. Les applications concerneront, en particulier, la simulation des concentrations autour d’un site de production industrielle qui émet des rejets gazeux à l’atmosphère. Les développements viseront à obtenir un outil opérationnel de méta-modélisation.
Traitement de signaux de détecteurs gamma ultra-rapides par Machine Learning
Au sein du projet ANR AAIMME dédié à l'imagerie médicale par Tomographie à Émission de Positrons (TEP), nous proposons un post-doctorat de 24 mois qui s’intéressera principalement au traitement des signaux du détecteur ClearMind conçu au CEA-IRFU. Les développements du détecteur ont été effectués dans l’objectif d’obtenir une datation précise des interactions ayant lieu dans la zone sensible. Ils consistent en des détecteurs scintillateurs PbWO4 couplés à un photomulitplicateur dans une galette à microcanaux, dont les signaux sont numérisés par des modules d’acquisition rapide SAMPIC. L’intérêt principal de cette conception réside en l’exploitation des photons rapides Cherenkov et des photons de scintillation pour reconstruire le plus précisément possible les interactions dans le cristal.
Une des principales difficultés réside dans l’analyse des signaux produits par le détecteur : la complexité et l’intrication des signaux nécessitent un traitement dédié.
L’objectif de ce post-doctorat est donc d’élaborer des algorithmes de Machine Leaning de confiance afin de reconstruire les paramètres de l’interaction gamma dans le détecteur avec la plus grande précision possible à partir des signaux détecteurs.
Calcul Haute performance exploitant la technologie CMOS Silicium à température cryogénique
Les avancées en matériaux, architectures de transistors et technologies de lithographie ont permis une croissance exponentielle des performances et de l’efficacité énergétique des circuits intégrés. De nouvelles voies, dont le fonctionnement à température cryogénique, pourraient permettre de nouvelles avancées. L’électronique cryogénique, nécessaire pour manipuler des Qubits à très basse température, est en plein essor. Des processeurs à 4.2 K utilisant 1.4 zJ par opération ont été proposés, basés sur l’électronique supraconductrice. Une autre approche consiste à réaliser des processeurs séquentiels très rapides en utilisant des technologies spécifiques et la basse température, réduisant la dissipation énergétique mais nécessitant un refroidissement. À basse température, les performances des transistors CMOS avancés augmentent, permettant de travailler à plus basse tension et d’augmenter les fréquences de fonctionnement. Cela pourrait améliorer l’efficacité séquentielle des calculateurs et simplifier la parallélisation des codes informatiques. Cependant, il faut repenser les matériaux et l’architecture des composants et circuits pour maximiser les avantages des basses températures. Le projet post-doctoral vise à déterminer si la température cryogénique offre un gain de performances suffisant pour le CMOS ou si elle doit être vue comme un catalyseur pour de nouvelles technologies de calcul haute performance. L’objectif est notamment d’évaluer l’augmentation de la vitesse de traitement avec des composants silicium conventionnels à basse température, en intégrant mesures et simulations.
Adaptation de l'expérience de Delayed Hydride Cracking (DHC) aux matériaux irradiés
L’objectif de cette étude est de « nucléariser » l’« expérience de DHC » développée dans le cadre de la thèse de Pierrick FRANCOIS (2020-2023), permettant de créer dans des conditions de laboratoire le phénomène de DHC sur des gaines de Zircaloy, afin de déterminer la ténacité de ce matériau en cas de DHC : K_(I_DHC ).
Le terme « nucléariser » désigne le processus d’adaptation de l’expérience pour pouvoir tester des matériaux irradiés dans des enceintes dédiées (appelées cellules blindées), où les matériaux sont testés via des bras télémanipulateurs. Les protocoles décrits dans la thèse de Pierrick François devront donc être adaptés, si possible simplifiés, pour pouvoir être transposés en cellules blindées. Cela nécessitera des échanges approfondis avec les personnes en charge des essais, et l’utilisation des outils de simulation numérique développés dans le cadre de cette même thèse. Le développement de cette procédure en cellule blindée sera utilisé par le post-doctorant afin de qualifier le risque de DHC lors de l’entreposage à sec des assemblages combustible en quantifiant la ténacité en DHC après irradiation du gainage.
Conception et mise en œuvre d’un réseau de neurones pour la simulation thermo-mécanique en fabrication additive
Le procédé WAAM (Wire Arc Additive Manufacturing) est une méthode de fabrication additive métallique permettant de fabriquer des pièces de grandes dimensions avec un taux de dépôt élevé. Cependant, ce procédé engendre des pièces fortement contraintes et déformées, rendant complexe la prédiction de leurs caractéristiques géométriques et mécaniques. La modélisation thermomécanique est essentielle pour prédire ces déformations, mais elle nécessite d'importantes ressources numériques et des temps de calcul élevés. Le projet NEUROWAAM vise à développer un modèle numérique thermomécanique précis et rapide en utilisant des réseaux de neurones pour prédire les phénomènes physiques du procédé WAAM. Un stage en 2025 fournira une base de données via des simulations thermomécaniques avec le logiciel CAST3M. L'objectif du post-doc est de développer une architecture de réseaux de neurones capable d'apprendre la relation entre la configuration de fabrication et les caractéristiques thermomécaniques des pièces. Des essais de fabrication sur la plateforme PRISMA du CEA seront réalisés pour valider le modèle et préparer une boucle de rétroaction. Le Laboratoire de Simulation Interactive du CEA List apportera son expertise en accélération de simulations par réseaux de neurones et en apprentissage actif pour réduire le temps d'entraînement.