CDI Ingénieur·e-Chercheur·se Mécanique Expérimentale et Numérique des Matériaux H/F CEA

Le profil recherché est un.e ingénieur.e-chercheur.se avec des connaissances en mécanique des matériaux ayant le gout de l'expérimental et de l'innovation !

Vous étudierez les effets de la métallurgie et du vieillissement sur le comportement mécanique des matériaux pour relever les défis des nouvelles générations de réacteurs et de l'exploitation long terme du parc électronucléaire français.

Vous contribuerez ainsi à la mise en place d'un nucléaire durable, et au renforcement de sa sûreté.

Vos principales missions seront axées sur :

- Les problématiques de fatigue-fluage en température pour étudier l'impact de longues durées de maintien lors d'une sollicitation en fatigue

- Le développement de nouveaux essais en complément aux essais de fluage actuels et de leur validation par l'expérience et la modélisation, comme par exemple le Small Punch Creep Test

- La mise en place de corrélations d'images numériques (CIN) pour étudier les champs de déplacement des matériaux hétérogènes (structures sandwich, assemblages rivetés ou jonctions soudées)

- La caractérisation d'éprouvettes de petites dimensions pour les composants de faibles épaisseurs ou lorsque le matériau n'est disponible qu'en faible quantité.

Vous travaillerez sur la compréhension des mécanismes de fluage des matériaux permettant l'identification de modèles phénoménologiques.

Capable de suivre des caractérisations métallurgiques avancées (état de ségrégation et de précipitation - clusters, joint de grain, dislocation...), vous intégrerez, dans la modélisation, les défauts à l'origine de l'amorçage et de la propagation des fissures, pour améliorer la prédiction de la rupture.

Vous profiterez à cette fin des outils de simulation développés au laboratoire, depuis l'échelle du grain (dynamique des dislocations, NUMODIS) jusqu'à la prédiction de la rupture fragile (modèle MIBF, Microstructure Informed Brittle Fracture) en passant par l'obtention de champs mécaniques locaux et de lois de comportements macroscopiques sur des agrégats polycristallins (AMITEX_FFTP).

A l'aise avec les méthodes numériques modernes employant l'intelligence artificielle, vous pourrez combiner ces nouvelles données expérimentales avec la littérature, pour réaliser des analyses croisées, découvrir des causalités sur ces données scientifiques complexes et développer des modélisations originales.