Le stage portera sur l’utilisation de réseaux de neurones pour l’accélération de simulations élasto-plastiques. Dans cette optique, une architecture que nous avons appelée PlastiNN a déjà été développée dans le cadre d’une thèse en cours au CEA. 

PlastiNN fournit les champs de déplacements correspondant à chaque étape de chargement (torseurs d’efforts, pression, etc.) donnée en entrée, pour une géométrie fixée. Par exemple, pour une séquence de forces et de moments appliqués successivement à une poutre, le réseau fournira les déformées correspondantes. L’utilisation d’un tel réseau permet d’obtenir des résultats en temps réel, ce qui n’est pas possible avec des logiciels de simulation traditionnels comme Cast3m. La lenteur de ces logiciels réside dans la complexité des méthodes numériques induite par la non- linéarité des lois de comportement élastoplastiques, qui nécessitent de connaître l’histoire des déformations pour s’appliquer. 

Dans l’état actuel, PlastiNN a été entraînée avec succès sur deux jeux de données générés avec Cast3m: un simulant l’action de torsion d’un trombone de bureau avec les mains, l’autre celle de marteler un capot de voiture (celui d’une Twizy). Cependant, comme pour tout RN, de nombreux points restent à éclaircir. Le stage portera en particulier sur l’étude du décodeur, notamment sur l’intérêt d’un décodeur en arbre. 

En master ou dernière année d'école d'ingénieur, connaissances en IA (pytorch) et en mécanique. 

Conformément aux engagements pris par le CEA en faveur de l’intégration de personnes en situation de handicap, cet emploi est ouvert à tous et toutes.