Le procédé de broyage, utilisé depuis l'antiquité pour écraser graines et noix, est essentiel dans diverses industries, telles que l'industrie minière, le génie civil, la pharmacie et les procédés de fabrication des combustibles nucléaires. La recherche actuelle vise à optimiser ce processus en améliorant les propriétés des poudres tout en réduisant le coût énergétique. Les méthodes expérimentales d'étude du broyage se heurtent à la complexité due aux forces dynamiques et aux changements constants des matériaux. Les avancées récentes en simulation, en utilisant la Méthode des Éléments Discrets (DEM), offrent une perspective d'étudier ces mécanismes, notamment dans le cadre du co-broyage pour la fabrication de combustibles nucléaires.

Ce sujet de thèse vise spécifiquement à accélérer la simulation de ces mécanismes pour une utilisation industrielle. L'objectif est de développer un métamodèle de fragmentation basé sur l'intelligence artificielle. Pour cela, il sera nécessaire de créer une base de données simulant la fragmentation de particules et de définir les caractéristiques essentielles du processus. L'approche comprendra plusieurs phases, dont la prédiction de la fragmentation d'une particule et l'apprentissage du mode de fragmentation à l'aide de techniques avancées, comme les réseaux de neurones.

La recherche capitalisera sur les travaux antérieurs, notamment ceux de D.-C. Vu (thèse CEA 2020-2023), et sera validée grâce à des données expérimentales associées à d'autres travaux. Le doctorant bénéficiera d'importants moyens de simulation, avec accès aux ressources de calcul de l'institut IRESNE (CEA Cadarache) et d'autres plateformes. Ce projet de thèse vise à combiner expertise en broyage et techniques d'intelligence artificielle pour innover dans le domaine de la fragmentation des particules.