Conception computationnelle d’alliages par intelligence artificielle et thermodynamique

Le présent article décrit une méthode générique de conception d’alliages par le calcul, qui permet des gains en temps, en coûts et en performances par rapport à des méthodes de développement par essai-erreur. Cette méthode s’appuie d’une part sur des méthodes issues de l’intelligence artificielle, telles l’optimisation combinatoire multi-objectif (algorithmes génétiques, etc.) et la fouille de données (réseaux de neurones artificiels, processus gaussiens, etc.), et d’autre part sur la thermodynamique prédictive par la méthode dite « Calphad » (pour «  CALculation of PHAse Diagrams  » en anglais). Ce sont les principaux outils qui permettent aujourd’hui d’embrasser la complexité des espaces de composition des matériaux métalliques modernes, qu’il s’agisse d’établir des liens entre composition, procédés et propriétés, ou de rechercher les compositions qui conduiront à des combinaisons optimales de caractéristiques.

La méthode concerne potentiellement toute l’industrie métallurgique (aciers, alliages de nickel, d’aluminium, de titane, etc.), et tous les domaines nécessitant l’emploi d’alliages métalliques performants : transport (automobile, aéronautique, spatial, ferroviaire, naval, etc.), énergie (nucléaire, gaz, pétrole, etc.), génie chimique (réacteurs, etc.), biomédical (prothèses, implants, agrafes, etc.), etc. Le contexte global du développement de nouveaux alliages est tout d’abord exposé sous une triple perspective historique, combinatoire et de complexité. Après la présentation de quelques caractéristiques techniques des outils exploités, la méthode est illustrée à l’aide d’exemples de conception d’alliages complexes, tels les superalliages à base de nickel ou les alliages multi-concentrés dits « à haute entropie ». On montre ensuite comment la méthode peut être exploitée pour concevoir des matériaux en prenant en compte des considérations environnementales (éco-conception). Quelques perspectives liées aux développements en cours de la méthode sont finalement exposées.