Science et technologie de polymères et polymères chargés basés sur des données. – Data-BEST

L'industrie des polymères est généralement confrontée à ces nouveaux défis pour la production de nouveaux matériaux ayant de nouvelles propriétés fonctionnelles pour différents domaines d'applications. De nos jours, malgré l'émergence de nouvelles technologies le traitement de l’élaboration des matériaux polymères repose encore sur des approches classiques en termes de modélisation, de simulation et de changement l'échelle pour leur production. Alors, pouvons-nous imaginer de nouvelles façons originales, tout en étant réalistes, qui soient basées sur les développements récents en techniques d'intelligence artificielle ?

Traditionnellement, lorsqu'un matériau dans ses conditions d’usage est considéré, une équation constitutive est sélectionnée (parmi différentes possibilités) guidée par l'expérience accumulée et/ou par les observations expérimentales, puis étalonnée afin d'identifier tous les paramètres qu'elle contient. Cette procédure est confrontée à deux difficultés principales: (i) En général, l'établissement d'une équation constitutive nécessite du temps, de l'intuition et l'accumulation de connaissances de spécialistes expérimentés; et (ii) Même lorsque des équations constitutives précises peuvent être décrites en dépensant un effort matériel et intellectuel suffisant, l'explosion récente en termes de nouveaux matériaux nécessite une nouvelle procédure pour décrire plus facilement et plus rapidement les propriétés des matériaux dans leurs conditions de service.

De l'avis des industriels, l'industrie 4.0 a besoin d'un changement de paradigme dans la description des matériaux et des procédés pour leur élaboration. Il est également important de noter que nous ne prétendons pas remplacer ou se substituer à spécialistes expérimentés. En effet, le choix des données à recueillir, celles qui décrivent par exemple l'état du matériau dans le procédé d’élaboration, nécessite une expertise forte et mature.

- Pour répondre à ces enjeux dans le cadre de ce projet, la question est de savoir si la simulation peut-elle procéder directement à partir des données en contournant la nécessité d'établir un modèle constitutif au sens traditionnel du terme? A priori oui, mais bien sûr, les équations de conservation sont maintenues, tandis que l'effort pour établir les expressions mathématiques des équations constitutives (trop) complexes est assoupli.

- Comment alors la modélisation basée sur les données peut-elle enrichir l'établissement des modèles (considérés comme des objets mathématiques) décrivant le comportement?

- Comment les modèles peuvent-ils aider les données à être cohérentes avec les principes fondamentaux (convexité des potentiels, ...), filtrer les mesures bruit, déterminer les grandeurs pertinentes à mesurer (par exemple dans notre projet : conductivité électrique, viscosité de cisaillement et d'élongation, propriétés électrique et mécanique ...) ou alors conclure à la nécessité d'utiliser des variables internes, etc.

. Les principales tâches et objectifs du projet à accomplir sont les suivants:

- Proposer des modèles auto-adaptatifs basés sur des données capables de discriminer les comportements viscoélastiques complexes dans le cas des formulations polymères et des polymères renforcés;
- Coupler ces modèles auto-adaptatifs avec les données issus des rhéomètres pour des flux simples;
- Définir des stratégies de collecte de données à partir de flux plus complexes présentant des comportements de cisaillement et d'élongation;
- Décrire les mécanismes de mélange et de dispersion d'une phase dispersée en vue renforcement mécanique et de propriétés spécifiques (blindage électromagnétique par exemple)
- Aborder le problème de l'objectivité des lois (indifférence du repère) dans un ensemble piloté par les données;
- Vérifier l'approche basée sur les données en imitant le scénario réel à partir de simulations basées sur un modèle;
- Valider l'approche à l'échelle du laboratoire et aux différentes échelles d’élaboration.