Thèse Formulation de Revêtements Géopolymères ayant des Propriétés Diélectriques et Atténuant les Radiations Énergétiques pour la Création d'Une Base de Données IA H/F

Doctorat.Gouv.Fr

Établissement : Université de Limoges École doctorale : Sciences et Ingénierie Laboratoire de recherche : Institut de Recherche sur les Céramiques Direction de la thèse : Sylvie ROSSIGNOL ORCID 0000000175595764 Début de la thèse : 2026-10-01 Date limite de candidature : 2026-06-08T23:59:59 L'objectif du projet de thèse est donc de prédire par l'intelligence artificielle (IA) des formulations géopolymères pour différents revêtements ou composites hybrides pour des applications civiles, militaires et nucléaires. Le défi futur réside dans l'intégration de modèles d'IA multipropriétés capables de prédire simultanément plusieurs performances clés. Cela nécessitera dans un premier temps, la conception d'une base de données étendues et des modèles avancées d'IA pour capturer les liens complexes entre les paramètres de composition et les performances globales du matériau dans un espace de haute dimension en fonction des secteurs d'application. Dans un second temps, les différentes formulations seront validées par le modèle IA. L'étape finale consistera en la réalisation de démonstrateurs avec une évaluation du cycle de vie et du bilan carbone permettant de proposer une solution alternative pertinente vis-à-vis des matériaux pétro-sourcés ou écotoxiques habituellement utilisés. L'ambition de cette thèse est de développer de nouvelles briques
technologiques pouvant intéresser aussi bien le secteur de la défense avec le développement de
radômes pour les interfaces de communications, l'aérospatial pour la construction de pièces satellites
en remplacement du plomb interdit par la réglementation REACH, l'industrie des télécommunications
à travers la conception de dispositifs de protections urbains et maritimes que le secteur de l'énergie avec
la mise au point de solutions ignifuges pour le stockage sécurisé de l'hydrogène. developpement d'une base de données IA La méthodologie inclut sept étapes principales : création et structuration de la base de données, développement d'un modèle VAE (autoencodeur variationnel), intégration du simulateur et formulateur, optimisation du modèle GEOMIND, validation expérimentale, et visualisation des données multidimensionnelles pour mieux comprendre les relations entre composition et propriétés. Chaque étape est conçue pour maximiser l'efficacité du processus de développement des géopolymères, depuis la collecte et l'organisation des données jusqu'à la validation finale des formulations. Par exemple, la structuration de la base de données permet de garantir que les informations sont organisées de manière cohérente et accessibles, facilitant ainsi le développement des modèles d'IA. L'utilisation de techniques de machine learning, telles que l'apprentissage supervisé et non supervisé, permet d'identifier des schémas dans les données qui seraient difficilement perceptibles par des méthodes analytiques classiques, apportant une valeur ajoutée significative à la méthodologie.