Design accéléré de matériaux architecturés par l'IA pour optimiser un échangeur de chaleur H/F

CEA; Les Usages; Sur place; EUR 30 000 - 40 000; Plein temps

Résumé du poste

Une organisation de recherche avancée recherche un(e) post-doctorant(e) pour un projet de 24 mois à Centre-Val de Loire. Le rôle implique l'application de l'intelligence artificielle pour optimiser des matériaux architecturés, en collaborant avec les équipes du CEA à Grenoble et Monts. Le candidat doit avoir un Bac+5 en mathématiques appliquées ou informatique, maîtriser Python, C et C++, et avoir des compétences en optimisation. Formation sur ANSYS FLUENT possible.

Qualifications

• Bac+5 dans un domaine pertinent.
• Compétences avancées en programmation.
• Capacité à travailler avec des algorithmes d'apprentissage.

Responsabilités

• Construire une base de données pour les algorithmes d'apprentissage.
• Optimiser la conception des matériaux avec IA.
• Évaluer les performances des structures expérimentales.

Connaissances

Python

C

C++

Optimisation

Apprentissage automatique

ANSYS FLUENT

Formation

Diplôme Bac+5 en mathématiques appliquées ou ingénierie

Outils

ANSYS FLUENT

Description du poste

Design accéléré de matériaux architecturés par l'IA pour optimiser un échangeur de chaleur H/F

Post-doctorat de 24 mois, réalisé en collaboration entre les équipes du CEA LITEN à Grenoble et du CEA Le Ripault à Monts en Touraine. Le projet, dans le cadre de l'axe ADAM, vise à appliquer l'intelligence artificielle à la conception, la caractérisation et l'optimisation numérique de matériaux architecturés TPMS, ainsi qu'à leur fabrication additive via Laser Powder Bed Fusion (LPBF) métallique. L'objectif final est de produire un démonstrateur optimisé d'un échangeur de chaleur conforme à un cahier des charges précis.

Plan de travail

1. Phase 1 – Construction de la base de données : Cette phase consiste à créer une base de données alimentant les algorithmes d'apprentissage du PIMM. La base se compose de deux parties :
   • Simulation stationnaire des transferts thermo‑fluidiques avec ANSYS FLUENT couplé au code CEA THERMIVOX.
   • Extraction de données bibliographiques à l'aide d'algorithmes d'IA symbolique développés à l'UTBM.
2. Phase 2 – Recherche d'optimisation TPMS : Conception d'un TPMS optimisé grâce à des algorithmes d'apprentissage automatique, incluant une approche de réduction de modèle par auto‑encodeurs spécifiques – RRAEs – développés au PIMM.
3. Phase 3 – Fabrication et évaluation expérimentale : Fabrication de structures optimales en LPBF métallique au CEA Grenoble, puis évaluation de leurs performances sur un dispositif expérimental afin de comparer prédictions et résultats expérimentaux.

Profil du candidat

Le ou la candidat(e) doit posséder un Bac+5 (diplôme d'école d'ingénieur) en mathématiques appliquées, informatique, optimisation et apprentissage automatique. La connaissance d'ANSYS FLUENT constitue un atout, bien qu'une formation puisse être fournie. Le candidat doit maîtriser Python ainsi que les langages de programmation C et C++.

Localisation du poste

Centre Val de Loire, France (Indre‑et‑Loire, 37) – CEA Le Ripault.

Référence

2025-36316

Entité de rattachement

La Direction des Applications Militaires (DAM) du CEA, au cœur des enjeux de la dissuasion nucléaire française, cherche ses futurs talents. Organisme inclusif, le CEA est handi‑accueillant : nos emplois sont ouverts à toutes et tous.