L’intelligence artificielle (IA) joue désormais un rôle crucial dans l’innovation en matière de conception de nouveaux matériaux pour la décarbonation de la production d’électricité. Les méthodes d’IA générative, au cœur des outils de génération de texte ou d’image, peuvent également contribuer à la simulation du comportement des matériaux dans le domaine nucléaire, dans le but d’améliorer l’efficacité et la sûreté des réacteurs. Depuis quelques années, notre laboratoire développe des méthodes de ce type pour accélérer le calcul des propriétés à l’échelle atomique, ce qui est essentiel pour progresser dans la compréhension physique et la simulation des phénomènes causés par l’irradiation à laquelle ces matériaux sont exposés. Certains de ces matériaux sont chimiquement désordonnés, ce qui entraîne une distribution aléatoire des espèces chimique sur le réseau cristallin, et une difficulté intrinsèque à traiter le nombre astronomique de configurations atomiques qui en résulte. Les méthodes génératives actuellement étudiées permettent de générer un ensemble de configurations représentatives, pour obtenir rapidement une estimation précise de la propriété recherchée.

L’objectif de cette thèse est de poursuivre le développement de ces méthodes et de les appliquer à la détermination des propriétés des défauts cristallins et des gaz de fission qui sont à la base de l’évolution de la microstructure sous irradiation. Le travail portera sur les oxydes mixtes d’actinides, participant à l’optimisation de l’usage de la matière fissile, ainsi que sur les alliages multicomposants à haute entropie, actuellement considérés comme une alternative très prometteuse aux alliages conventionnels pour améliorer les propriétés des matériaux de structure. Ce projet, qui représente un axe de recherche majeur de nos activités, contribuera à fournir un nombre important de données aux modèles simulant le comportement en réacteur de ces matériaux.

Ce travail sera mené au sein du Département d’Études du Combustible de l’institut IRESNE du CEA à Cadarache, en Provence, au sein d’une équipe composée de nombreux experts en modélisation des matériaux, en étroite collaboration avec une autre équipe du CEA en région parisienne spécialisée dans l’intelligence artificielle. Les résultats seront diffusés grâce à des publications scientifiques et à la participation à des conférences nationales et internationales. Cette thèse permettra au·à la doctorant·e d’acquérir des compétences essentielles en sciences des matériaux, ainsi qu’en méthodes d’apprentissage automatique avancées, en analyse de données et en développement logiciel, ce qui sera précieux pour une carrière future dans la recherche académique ou industrielle, dans les domaines de l’IA et de l’ingénierie des matériaux.

Références:
https://doi.org/10.1039/D3CP02790B
https://doi.org/10.1126/science.aaw1147
https://doi.org/10.3390/e23010098