© LEM3

Julien Guénolé

Consolidator Grants

Julien Guénolé est chargé de recherche au CNRS, spécialiste de la modélisation atomistique des matériaux et des approches multi-échelles. Après une thèse en science des matériaux à l’Institut Pprime (France) en 2012, il a mené des travaux postdoctoraux en simulation atomistique et ingénierie des alliages complexes en Allemagne. Il a rejoint le CNRS en 2020 au sein du Laboratoire d’étude des microstructures et de mécanique des matériaux (LEM3, CNRS/Arts et Métiers/Université de Lorraine). Ses recherches portent sur la plasticité, les interfaces cristallines et l’utilisation des simulations à l’échelle atomique pour concevoir de nouveaux matériaux. 
Il reçoit en 2022 le prix Jean Morlet de la SF2M.

PROJET AtomicPIE

Fondements à l’échelle atomique d’une ingénierie des interfaces fondée sur la physique dans les matériaux cristallins

 

Les matériaux inorganiques soutiennent silencieusement les avancées technologiques de notre société. Leur comportement mécanique, façonné par des phénomènes à l’échelle atomique, reste pourtant l’un des grands défis de la science des matériaux.
Le projet AtomicPIE s’attache à dévoiler ces mécanismes fondamentaux. Il explore la manière dont les défauts qui gouvernent la plasticité (les dislocations) franchissent les interfaces entre grains ou phases, un processus déterminant pour la résistance, la fiabilité et l’allègement des alliages.
En intégrant simulations atomistiques, apprentissage automatique génératif et dynamique avancée des dislocations, AtomicPIE construit un cadre reliant intimement les échelles atomique et microstructurale. Cette approche ambitieuse vise à établir une compréhension physique du transfert de glissement et à ouvrir de nouvelles voies pour concevoir des matériaux plus performants et mieux adaptés aux exigences futures de l’ingénierie.

AtomicPIE vise à extraire la physique des interfaces à l’échelle atomique pour nourrir une approche continue de plus grande échelle de la plasticité des matériaux polycristallins, en se reposant notamment sur l’apprentissage automatique génératif.
© Julien Guénolé