Les modèles thermodynamiques prédictifs, développés par la méthode Calphad, sont essentiels pour concevoir de nouveaux matériaux en anticipant leur comportement sans recourir à des expériences coûteuses et longues. Ces modèles permettent d'extrapoler les propriétés de matériaux complexes, de prévoir leur comportement dans des environnements extrêmes et de lier les propriétés énergétiques aux performances en service. Cependant, les méthodes actuelles de développement de ces modèles sont complexes et les incertitudes ne sont pas quantifiées avec les logiciels existants. Les scientifiques doivent encore s'appuyer sur leur expertise pour ajuster et valider ces modèles, ce qui est chronophage et peu adapté à l'ère de l'automatisation.

Pour remédier à cela, il est proposé de développer un outil numérique fiable, autonome et rapide, capable d'optimiser les modèles thermodynamiques en se basant uniquement sur des données expérimentales fournies par les utilisateurs. L'objectif est de fournir des modèles simples, fiables, validés et modulaires, permettant aux utilisateurs de prendre des décisions stratégiques en toute confiance, comme évaluer de nouvelles conditions de procédé ou optimiser la fabrication sans risquer des extrapolations incertaines. Ce projet vise à combler le fossé entre les données expérimentales spécifiques et les méthodes modernes de programmation non linéaire, en utilisant des approches d'optimisation avancées.