Identification, approches bayésiennes, problèmes inverses, lois de comportement élasto-plastiques, posterior neuroneux, corrélation // a stochastic and multi-parametric approach to material model identification up to failure

Topic description

Le but de la thèse est de développer des méthodes d'identification probabiliste, prenant en compte les incertitudes de mesure et de modèle associées aux procédures de calibration des lois de comportement des matériaux. L'approche s'appuiera sur les développements récents en inférence variationnelle, avec l'utilisation de réseaux de neurones pour apprendre les distributions postérieures des paramètres matériaux, interpoler ces résultats dans des espaces de conditions d'usage, et méta-modéliser les simulateurs numériques permettant ainsi d'accélérer les calculs et de faciliter l'inférence. Les cas d'application envisagés concernent l'identification à partir d'essais thermomécaniques multiples, incluant des essais sur éprouvettes technologiques avec mesures de champs.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

The aim of the thesis is to develop probabilistic identification methods that account for uncertainties in measurements and models associated with the calibration procedures of material laws. The approach will rely on recent developments in variational inference, with neural networks being used to learn the posterior distributions of material parameters, to interpolate these results across usage condition spaces, and also to act as surrogate model for numerical simulators, thereby accelerating computations to facilitate inference. The intended applications concern identification based on multiple thermomechanical tests, including tests on technological specimens with full-field measurements.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/

Funding category

Public funding alone (i.e. government, region, European, international organization research grant)

Funding further details

Concours pour un contrat doctoral