Conférence sur les relations constitutives basées sur les données par le professeur Kaushik Bhattacharya, Howell N. Tyson, Sr., professeur de mécanique et de science des matériaux au California Institute of Technology, États-Unis.

Lieu: Salle Larrañeta, École Technique Supérieure d'Ingénieurs, Université de Séville.

Date et heure : Jeudi, 30 avril 2026, de 11h30 à 12h30.

Organisé par : Projet MORE, Mécanique multi-échelle des matériaux d'ingénierie innovants, Université 

Abstrait: La simulation numérique du comportement mécanique des matériaux et systèmes complexes demeure un défi majeur en ingénierie. Malgré les progrès réalisés en architecture informatique, en modélisation multi-échelle et en apprentissage automatique, la plupart des simulations complexes de matériaux reposent sur un modèle constitutif. Cet exposé décrit deux approches permettant d'apprendre des modèles constitutifs de haute fidélité pour les matériaux complexes.

La première approche repose sur la modélisation multi-échelle, reconnaissant que le comportement effectif à l'échelle des applications est déterminé par la physique à de multiples échelles de longueur et de temps : électronique, atomistique, de domaines, de défauts, etc. La relation constitutive, basée sur les données, est obtenue par une approximation neuronale entraînée à l'aide de données générées par la résolution répétée du problème à petite échelle. Une innovation majeure réside dans l'apprentissage d'approximations indépendantes de la discrétisation. La seconde approche vise à inférer les relations constitutives à partir d'expériences. Malgré l'abondance croissante de données brutes générée par les progrès des techniques expérimentales, permettant des observations d'une portée et d'une résolution sans précédent, nous manquons encore de données quantitatives interprétées pour la construction de modèles. Nous décrivons une approche permettant d'extraire l'information sous-jacente des observations expérimentales et de concevoir des expériences de manière optimale afin de minimiser l'incertitude du modèle.

Biographie succincte : Il a obtenu son diplôme d’ingénieur (B.Tech) à l’Institut indien de technologie de Madras (IIT Madras) en 1986, son doctorat à l’Université du Minnesota en 1991 et a effectué sa formation postdoctorale à l’Institut Courant des sciences mathématiques de 1991 à 1993. Il a rejoint Caltech en 1993. Il a reçu la médaille von Kármán de la Société de mathématiques industrielles et appliquées (2020), le prix des anciens élèves distingués de l’IIT Madras (2019), le prix d’excellence de l’Université du Minnesota (2018), la médaille Warner T. Koiter de la Société américaine d’ingénierie mécanique (2015) et le prix d’enseignement et de mentorat du Conseil des étudiants diplômés de Caltech (2013).