Amélioration des procédés, des microstructures et de la performance des métaux par impression 3D à l'aide d'études expérimentales et numériques assistées par apprentissage machine – IMP3D

Nous visons une meilleure compréhension micromécanique des liens entre procédés, microstructures, et propriétés mécaniques des alliages métalliques issus de la fabrication additive. Nous considérons trois facteurs cruciaux que sont la morphologie tridimensionnelle, hétérogène, et multi échelles des microstructures, la présence de contraintes résiduelles issues de la fabrication, et la déformation plastique hétérogène de ces matériaux lorsque sollicités mécaniquement. Pour cela, nous souhaitons répondre à trois questions et challenges scientifiques : Quels sont les mécanismes de plasticité élémentaires à petite échelle qui impactent la réponse mécanique, comment estimer les contraintes résiduelles à l’échelle des ensembles de grains et, des méthodes d’apprentissage machine peuvent-elles être utiles pour guider le design de nouvelles microstructures avec des meilleurs performances mécaniques ? Nous développons et utilisons des outils expérimentaux et numériques robustes et complémentaires pour y répondre. Nous proposons respectivement, le développement d’un code spectral de dynamique des dislocations discrètes numériquement capable de simuler la déformation d’ensembles de petits grains avec des précipités et des pores, la mesure des contraintes résiduelles dans les grains par EBSD-3D à haute résolution assistée par modélisation thermomécanique, et l’utilisation d’un modèle micromécanique alimenté par imagerie 3D aux rayons X, utilisé pour générer une base de données servant à entrainer et tester des algorithmes d’apprentissage machine. Nous prendrons des alliages industriels cuivre-chrome comme système modèle pour notre étude. A plus long terme, notre stratégie pourra être étendue à des alliages aluminium haute performance plus complexes.