POSTE : Design Accéléré de Matériaux Architecturés par l'IA pour Optimiser un Échangeur de Chaleur H/F DESCRIPTION : Pour ce post-doctorat, le pilotage de l'étude sera assuré conjointement par les équipes du CEA LITEN à Grenoble et du CEA Le Ripault à Monts en Touraine. Le programme de travail envisagé est divisé en 3 phases au cours desquelles des interactions fortes avec d'autres post-doctorants et chercheurs des équipes engagées auront lieu, en particulier avec ceux du laboratoire PIMM (Laboratoire procédés et ingénierie des matériaux et structures de l'ENSAM Paris) qui développe des outils d'IA pour ADAM. Ce travail sera réalisé essentiellement au CEA LITEN avec quelques déplacements possibles à Paris et Monts. Il fera l'objet de publications dans des revues scientifiques et congrès internationaux. Phase 1 : L'objectif de cette phase est de construire une base de données permettant d'alimenter les algorithmes d'apprentissage développés au PIMM, compatible du choix des descripteurs retenus et définis à partir du cahier des charges. Cette base sera constituée de 2 parties : - La 1ère s'appuiera sur des simulations en régime stationnaire des transferts thermo-fluidiques. Le code ANSYS FLUENT sera utilisé et associé à un code CEA (THERMIVOX). - La 2nde sera construite à partir des données accessibles dans la littérature scientifique en utilisant des algorithmes d'extraction de l'IA symbolique développés à l'UTBM (Université Technique Belfort Montbéliard). Phase 2 : L'objectif de cette phase est de concevoir une TPMS optimisée grâce à l'utilisation d'algorithmes d'apprentissage automatique utilisant une approche de réduction de modèle s'appuyant sur des auto-encodeurs spécifiques dits RRAEs (Rank Reduction Autoencoders) développés au PIMM Phase 3 : L'objectif de cette phase est (1) de fabriquer par LPBF métallique, au CEA Grenoble, des structures considérées optimales pour répondre au cahier des charges, issues de la phase 2 et (2) d'évaluer les performances de ces structures sur un dispositif expérimental de test afin d'apprécier les potentiels écarts entre prédiction et expérience. PROFIL : Le ou la candidat(e) retenu(e) devra avoir des compétences en mathématiques appliquées, informatique, avec un accent sur l'optimisation et l'apprentissage automatique. La connaissance d'ANSYS FLUENT serait un plus mais une formation sera possible. python, langage de programmation C, C++ Niveau d'étude préparé : Bac +5