Français
English
Responsable : Héléna Zapolsky
Membres de l’équipe : H. Zapolsky (PR), G. Demanges (MCF), D. Ledue (PR), P.E. Berche (MCF), D. Blavette(PR), R. Patte (IR)
Nous utilisons et développons plusieurs types de simulations et modèles numériques afin d'étudier l'évolution microstructurale, phénomènes de ségrégation aux joints de grains (JG) ou structures magnétiques de nanoparticules au travers d'une approche multi-échelles. Les calculs atomistiques (Atomic Density Function, Méthode de Quasiparticules (QA), Monte-Carlo) et l’approche de Champ de Phases (CP) sont utilisés pour étudier les transformations de phases dans différents matériaux en cours de vieillissement ou sous des contraintes externes. La richesse de l’équipe repose sur son expertise assez large dans des modèles et méthodes numériques ainsi que dans la diversité des matériaux et des phénomènes étudiés. Les orientations actuelles de l’équipe seront poursuivies et de nouveaux axes émergeants, tels que l’application de l’approche de « machine learning » pour développer les potentiels d’interaction utilisés dans des modèles atomistiques ou reconnaissance des défauts structuraux à partir des données de simulation en 3D, seront développés.
- Méthode de Quasiparticules :
Un des points forts de l’équipe est le développement d’une nouvelle méthode de modélisation, l’approche de QA. Cette approche commence à faire ces preuves et plusieurs groupes à l’échelle internationale collaborent avec nous sur ce sujet (Empa Zurich, KTH Suède, le groupe du Pr. Du de Changsha Université Chine, Pacific Northwester Laboratory et d’autres). Dans le cadre de ces collaborations, nous appliquons par exemple ce modèle pour modéliser la structure et la diffusion intergranulaire dans les multicouches Cu/W, l’effet de contrainte sur les transformations de phases dans les aciers, la précipitation des zones de Guinier-Preston dans les alliages à base Al et la ségrégation de solutés aux joints de grains et aux interfaces austenite/ferrite mobiles. - Machine learning :
Nous développons les approches dites par « Machine-Learning » (ML) en synergie avec l’approche QA pour l’étude des structures des JG (en collaboration avec le SRMP au CEA Saclay). Il s'agit d'ans un premier temps de développer des potentiels d’interaction plus réalistes pour l’approche QA par le biais du ML, ce qui permettra d’appliquer cette méthode à l’étude des JG dans des matériaux réels. Par ailleurs nous souhaitons proposer de nouvelles approches ML, pour l’analyse de défauts structuraux à proximité des JG obtenus numériquement par l’approche QA ou pour traiter les données de sonde atomique tomographique (la détection des nanoclusters formés sous irradiations, structure des nanoprécipités aux interfaces,..) en interaction avec les équipes thématiques "Matériaux du nucléaire" et "Fondamentaux des transformations de phase et microstructures". - Champ de phase :
L’activité en modélisation mésoscopique en champ phase est point fort de nos activités, en particulier sur le thème de la solidification et de la croissance facettées. En métallurgie, la formation de dendrites au cours du processus de solidification joue un rôle essentiel dans les caractéristiques microstructurales et donc des propriétés mécaniques de nombreux alliages commerciaux. Une approche efficace pour modéliser ce phénomène est l’approche Champ de Phase. Néanmoins, le cas spécifique de la solidification dite ≪ facettée ≫ demeure imparfaitement traité par l’approche CP. Nous souhaitons donc proposer de nouvelles fonctions d'anisotropie 3D pour les énergies de surface anisotrope des matériaux considérés et l'intégration des modèles de CP facettés dans les approches existantes pour décrire la solidification en conditions réelles et pour des matériaux réels. - Matériaux magnétiques :
Une partie de nos activités porte sur l’étude de matériaux magnétiques, avec un intérêt particulier pour :
- les phases magnétiques, les transitions de phases magnétiques et le couplage magnéto électrique dans les oxydes antiferromagnétiques frustrés multiferroïques, notamment le composé CuCrO2. Ces travaux sont réalisés au moyen de simulations numériques Monte Carlo, Champ de Phases et de calculs basés sur la théorie de la fonctionnelle de la densité (collaboration Y. Kvashnin, Université d’Uppsala)
- les corrélations entre nanostructures et propriétés d’anisotropie d’échange dans les nanoplotsFM/AFM. Plus précisément, nous étudions l’effet de la frustration et des joints de grains sur les configurations magnétiques, notamment l’apparition de phases magnétiques désordonnées et de domaines magnétiques dans la couche AFM. Ce travail est réalisé au moyen de simulations Monte Carlo à l’échelle atomique.