25 places disponibles

1 visiteur connecté actuellement sur cette page

Ma4 – Apport du Machine Learning pour le développement de nouveaux matériaux et de leurs procédés

D. Bettebghor (ONERA)

Les sciences et l’ingénierie des matériaux, à l’instar d’autres domaines, profitent ces dernières années d’un engouement pour l’exploitation automatisée de données, notamment via l’utilisation de techniques issues du Machine Learning. Si les sources de données physiques (images, RX, tomographies, procédés…) et simulées (ab initio, dynamique moléculaire, mécanique microstructurale et calcul des structures) sont nombreuses, les contraintes et objectifs de développement accéléré de nouveaux matériaux, de nouvelles méthodes de contrôle, l’essor de nouveaux procédés d’élaboration (ALM) et plus généralement de digitalisation du cycle de vie produit rendent séduisantes les techniques de machine learning. En effet, qu’il s’agisse d’optimisation combinatoire de compositions d’alliages, d’améliorer la prédiction de durée de vie, d’optimiser les structures et architectures, d’accélérer les simulation multi-échelles ou encore de mieux contrôler les procédés et les pièces en cours de vie, les modèles de prédiction du ML en créant des relations mathématiques entre des entrées (e.g. microstructures) vers une quantité d’intérêt (e.g. tenue en fatigue) offrent la possibilité de digitaliser tout ou partie des sciences des matériaux et outillent les approches numériques modernes (e.g. ICME). Toutefois l’adoption et le développement de ces méthodes restent assujettis aux volumes et à la qualité des données dont elles sont friandes. Le processus de labellisation nécessaire reste aussi un goulet d’étranglement tant il nécessite une expertise chronophage. Par ailleurs, ces méthodes ML sont souvent développées pour une problématique ad-hoc et peuvent avoir des difficultés à généraliser correctement sur des nouveaux jeux de données. Enfin, ces nouvelles méthodes requièrent aussi de nouveaux métallurgistes et spécialistes des matériaux rompus aux techniques de Machine et Deep Learning, rares dans le monde des matériaux. Au cours de cet entretien, nous débattrons des avantages et des inconvénients de l’utilisation du ML pour les matériaux, en insistant à la fois sur leurs potentiels mais aussi leurs limites.

Dans le même domaine de discussion :