Qu'est-ce que la science des matériaux computationnelle ?

L'informatique appliquée à la science des matériaux est un domaine interdisciplinaire qui permet d'améliorer l'efficacité de la découverte des matériaux, de la conception des matériaux, de la caractérisation des défaillances et de la modélisation des matériaux aussi bien dans la recherche fondamentale que dans la conception des produits. L'informatique appliquée à la science des matériaux se compose d'un ensemble de méthodologies permettant aux ingénieurs d'étudier le comportement des matériaux et leurs propriétés, telles que les propriétés mécaniques, thermiques et électromagnétiques.

Outre la capacité à comprendre la conception de nouveaux matériaux, l'informatique appliquée à la science des matériaux a permis le transfert de connaissances par le biais de la recherche interdisciplinaire. Les progrès de l'informatique appliquée à la science des matériaux permettent désormais à un plus grand nombre de secteurs industriels de concevoir des systèmes de matériaux plus efficaces et des produits plus performants sans avoir à recourir à plusieurs cycles de prototypage.

Les méthodes de calcul sont utilisées dans de nombreux domaines de la recherche et du développement en chimie et en science des matériaux, notamment pour les matériaux avancés, les composites (céramique, carbone et polymères composites) ainsi que les matériaux à l'état solide. L'informatique appliquée à la science des matériaux s'étend également à de nombreuses applications technologiques dont la production d'énergie et les semi-conducteurs.

Aujourd'hui, l'informatique appliquée à la science des matériaux évolue en permanence grâce aux avancées en matière de puissance de calcul et de logiciels de simulation.

L'une des tendances les plus marquantes des dernières années (qui est désormais devenue une fonctionnalité supplémentaire) est la corrélation entre la modélisation des processus et l'impact du processus de fabrication sur les propriétés du matériau. À mesure que de plus en plus d'entreprises adoptent la fabrication numérique, les méthodologies relatives à l'informatique appliquée à la science des matériaux offrent davantage de capacités pour comprendre et améliorer ces processus.

Un autre domaine qui a connu de nombreux développements et utilisations ces dernières années est la modélisation multiéchelle, qui combine des techniques de calcul et d'ingénierie pour prédire les propriétés et le comportement des matériaux afin de les optimiser sur plusieurs échelles de longueur, de l'échelle atomique à l'échelle macroscopique. Cette approche de simulation devient de plus en plus répandue dans la conception de matériaux. Elle est associée à des techniques de caractérisation expérimentales, telles que la microscopie électronique à transmission (MET) et la microscopie électronique à balayage (MEB), pour développer une conception de matériau plus poussée à l'échelle nanométrique minimum.

Côté logiciel, l'une des principales tendances actuelles, comme dans de nombreux domaines aujourd'hui, est l'intelligence artificielle (IA). Différents algorithmes d'IA peuvent être utilisés pour fournir une meilleure prédiction et optimisation des propriétés et des processus des matériaux lorsqu'ils sont alimentés par les données de simulation (et expérimentales) pertinentes. Il s'agit d'un outil qui commence à mûrir dans les domaines de l'informatique appliquée à la science des matériaux et de l'informatique des matériaux, où des algorithmes d'apprentissage automatiques sont utilisés pour prédire les propriétés des matériaux et améliorer l'efficacité du développement des matériaux.

L'informatique appliquée à la science des matériaux peut être utilisée pour comprendre la structure et les propriétés des matériaux à de faibles échelles de longueur, notamment aux niveaux atomique et nanométrique.

Outre la modélisation du matériau lui-même, le criblage informatique à haut débit peut exploiter les propriétés connues de matériaux qui ne sont pas encore fabriqués,en se basant sur leur composition et sur leur structure cristalline, disponibles dans de grandes bases de données, afin d'identifier le matériau/la structure de matériau présentant les propriétés idéales pour une application spécifique. Étant donné qu'un matériau d'intérêt potentiel comporte souvent plusieurs propriétés recherchées, cette approche se concentre sur une propriété à la fois, réduisant ainsi le nombre de matériaux potentiellement adaptés au fur et à mesure que plusieurs propriétés sont explorées. Cela permet de gagner du temps et de l'énergie en évitant de devoir recourir à des approches expérimentales par essais et erreurs pour trouver le meilleur ajustement et accélérer le développement des matériaux. Cependant, ces simulations sont coûteuses en termes de calcul et nécessitent beaucoup de temps ou un ordinateur doté d'une puissance de traitement importante (voire les deux).

De nombreuses méthodes de modélisation informatique permettent une simulation à l'échelle atomique, et de nombreuses variantes de méthodes fondamentales ont été adaptées à des matériaux et applications spécifiques. Parmi toutes les approches, la théorie de la fonctionnelle de la densité (DFT), les simulations de dynamique moléculaire (MD) et les simulations Monte Carlo sont les plus courantes :

• Théorie de la fonctionnelle de la densité (DFT) : La DFT est un modèle de mécanique quantique qui simule le comportement des électrons dans un matériau en fonction de leur densité. Il s'agit de la méthode de structure électronique la plus utilisée pour déduire les propriétés chimiques et énergétiques, en prédisant les propriétés de l'état fondamental (état énergétique le plus bas d'un atome) et les propriétés mécaniques d'un matériau.
• Dynamique moléculaire (MD) : La MD est un modèle basé sur la physique qui prédit, à partir d'une simulation, le comportement et l'interaction de chaque atome avec d'autres atomes, et donne un aperçu de la façon dont les atomes se déplacent physiquement au fil du temps. Les positions et les contraintes des atomes peuvent être utilisées pour prédire les propriétés des matériaux, et le potentiel d'apprentissage automatique est intégré dans les simulations MD afin d'améliorer leur précision et de réduire le coût de calcul.
• Monte Carlo : Les simulations Monte Carlo sont des algorithmes de calcul qui prédisent les chances de résultat à l'aide d'un échantillonnage aléatoire répété. Il s'agit d'un outil basé sur la probabilité qui simule les interactions entre les particules et les systèmes complexes.

De nombreux outils de calcul sont également utilisés pour prédire les propriétés des matériaux à des échelles beaucoup plus grandes, à travers les nombreuses couches d'un matériau plutôt qu'à l'échelle atomique. Ces approches de modélisation multiéchelles examinent les propriétés macro du matériau (mécanique, électromagnétique, etc.), étudient la microstructure et analysent le comportement du matériau dans des conditions extrêmes (en particulier pour les applications exigeantes).

Les méthodes de modélisation à plus grande échelle relèvent du domaine de la modélisation au niveau du continuum et utilisent les informations obtenues à l'échelle moléculaire pour établir un lien avec l'ensemble du système de matériaux. Cette approche séquentielle permet une modélisation plus précise mais plus coûteuse en termes de calcul au niveau atomique, suivie d'une modélisation à l'échelle microscopique moins coûteuse en termes de calcul une fois les bases posées.

Bien que de nombreux outils de calcul soient disponibles pour la modélisation de l'ensemble du système de matériaux, certains des plus courants incluent la méthode des éléments finis (FEM), la méthode de champ de phase et le couplage informatique de diagrammes de phase et de la thermochimie (CALPHAD).

• Méthode des éléments finis (FEM) : La FEM est une simulation numérique qui divise le système de matériaux complexe en un maillage d'éléments plus petits à l'aide d'équations différentielles, où chaque « élément » peut être examiné individuellement. Comprendre le comportement de chaque élément permet aux ingénieurs de comprendre le comportement de l'ensemble du matériau dans certaines conditions. La FEM est utilisée pour effectuer des analyses structurelles de matériaux, ainsi que pour étudier le transport de masse, l'écoulement des fluides et les propriétés électromagnétiques d'un matériau. Les résultats d'une FEM peuvent être interprétés par une analyse par éléments finis (FEA).
• Simulations de champ de phase : Les modèles de champ de phase sont des modèles mathématiques qui résolvent les problèmes au niveau des interfaces de matériaux. Ils sont souvent utilisés pour modéliser la solidification et la dynamique interfaciale des matériaux et peuvent être utilisés pour étudier les propriétés mécaniques, telles que la mécanique des fractures et la fragilité. Ils peuvent également être utilisés pour construire des modèles multiphasiques qui examinent la microstructure d'un matériau en fonction de certains paramètres, tels qu'une orientation cristallographique ou une phase spécifique, et peuvent étudier les propriétés des matériaux avec plusieurs phases thermodynamiques.
• CALPHAD : Modèle qui produit des diagrammes de phase pour prédire la stabilité de phase d'un matériau à différentes températures et compositions chimiques. Ces modèles utilisent les propriétés thermodynamiques de chaque phase d'un matériau pour effectuer la simulation et sont souvent utilisés pour mieux comprendre le comportement d'un matériau dans différentes conditions.

Comme toute méthode de simulation ou de calcul, l'utilisation d'une approche informatique des matériaux présente des avantages et des inconvénients. Les avantages et les inconvénients peuvent également varier en fonction de l'ensemble d'outils choisi, car la bonne approche de simulation pour un matériau n'est pas toujours adaptée à un autre matériau. Malgré les différents ensembles d'outils de calcul qui peuvent être utilisés, il existe des avantages et des inconvénients généraux.

Opportunités de l'informatique appliquée à la science des matériaux

• Elle peut réduire le développement expérimental poussé (à la fois la synthèse des matériaux et les tests) au début du cycle de vie du produit en remplaçant les approches par tâtonnements par des simulations ciblées.
• Elle peut être utilisée pour sonder des propriétés, des processus, des mécanismes fondamentaux, des environnements de matériaux et des scénarios d'application très spécifiques difficiles à reproduire grâce à l'expérimentation.
• Elle contribue à combler le fossé entre la science fondamentale des matériaux ainsi que d'autres industries et domaines d'application.
• Elle permet à de nombreuses industries de bénéficier d'une meilleure compréhension des matériaux.
• Elle aide les utilisateurs finaux à penser de manière innovante et à considérer les matériaux comme des paramètres de conception, ce qui conduit au développement de matériaux plus complexes.

Limites de l'informatique appliquée à la science des matériaux

• Les informations obtenues sur la structure des matériaux et leurs relations de propriété peuvent parfois être trop généralisées, alors que la plupart des propriétés et des paramètres de matériau dans les expériences sont souvent quantifiables en fonction de valeurs spécifiques.
• En raison de la complexité de certains mécanismes, il faudra effectuer des expériences pour bien comprendre le comportement des matériaux. Des phénomènes tels que les pannes et les dommages sont très difficiles à saisir uniquement par le calcul.
• Les simulations peuvent être limitées par la puissance de calcul disponible, ce qui entraîne des temps de simulation longs.

Les défis de l'informatique appliquée à la science des matériaux

• Le retour sur investissement (ROI) n'est pas clair, car il est difficile de développer une méthodologie de calcul pour un cas spécifique.
• Il s'agit d'un processus long et coûteux qui n'est avantageux que si la méthodologie est réutilisée.
• Il faut souvent une expertise interdisciplinaire spécifique pour tirer pleinement parti des avantages des modèles informatiques.

Comme mentionné précédemment, l'utilisation d'algorithmes d'intelligence artificielle devient de plus en plus courante dans le domaine de l'informatique appliquée à la science des matériaux. Mais comment l'IA aide-t-elle précisément les ingénieurs dans les domaines de l'ingénierie des matériaux et de l'ingénierie mécanique ?

L'IA est davantage utilisée au niveau atomique et microscopique, ce qui permet d'améliorer les capacités de prédiction des logiciels de simulation permettant ainsi d'identifier plus précisément les propriétés des matériaux. L'apprentissage automatique a également un impact majeur sur les simulations de MD en créant un niveau de précision similaire à celui de la DFT. (La précision de la DFT est généralement plus élevée.) D'autres applications utilisant l'IA sont en train d'émerger, notamment l'analyse automatisée des caractéristiques, les laboratoires autonomes, l'optimisation des processus et la modélisation multiéchelle.

Les progrès rapides dans les technologies commerciales d'IA signifient qu'il existe de nombreuses options disponibles, et l'IA utilisée aujourd'hui améliore l'accessibilité aux informations des sciences des matériaux. L'utilisation de l'IA dans l'informatique appliquée à la science des matériaux est encore en phase de transition, et une intégration plus large dans un plus grand nombre d'outils est susceptible de se produire lorsque l'une des deux conditions suivantes se réalise :

• Ce produit présente un réel intérêt technique.
• Il devient plus rentable pour la communauté des sciences des matériaux d'utiliser ces outils dans davantage et de domaines de conception de matériaux.

Les nouveaux matériaux deviennent intrinsèquement plus complexes afin d'obtenir des fonctionnalités et des caractéristiques avancées, et il est plus important que jamais d'optimiser tous les outils disponibles lors des différentes phases de conception des matériaux.

Alors qu' Ansys, faisant désormais partie de Synopsys, peut vous aider à l'échelle macroscopique, une gamme d'outils de simulation pour les spécialistes des matériaux peut vous assister dans la simulation multiéchelles de votre matériau. Il convient de noter que lorsqu'il s'agit de simuler la structure et les propriétés d'un système de matériaux, il n'existe pas d'approche universelle. En fonction du matériau et de l'application concernés, une large combinaison d'outils de simulation peut être utilisée, allant des outils internes utilisés chez Ansys jusqu'aux approches basées sur Python.

Voici quelques exemples d'outils Ansys pouvant être utilisés pendant les étapes de conception de matériau :

• Logiciel de simulation structurelle de dynamique non linéaire Ansys LS-DYNA : Le logiciel LS-DYNA peut être utilisé pour réaliser des simulations multiéchelles qui combinent l'échelle microscopique et l'échelle macroscopique.
• L'outil Materials Designer d'Ansys : L'outil Materials Designer peut être utilisé pour explorer les réseaux de matériaux et examiner la microstructure. L'outil fournit également un module complémentaire natif et une interface utilisateur conviviale pour les études d'homogénéisation.
• La collection de produits Ansys Granta pour l'information sur les matériaux, la sélection et la gestion des données : Vous pouvez utiliser le logiciel Granta pour gérer les données de matériaux et prendre en charge divers modèles pendant le processus de conception. Les plug-ins d'IA Granta peuvent également être utilisés pour améliorer la gestion et la prise en charge des données.
• Logiciel de gestion des données et des processus de simulation Ansys Minerva : Le logiciel Minerva fournit des données de simulation et de processus sécurisées afin de garantir la traçabilité de toutes les simulations et données créées tout au long du processus de conception des matériaux.
• Logiciel d'analyse structurelle par éléments finis Ansys Mechanical : Avec le logiciel Mechanical, la plasticité des cristaux et la MAPDL peuvent être utilisées dans les simulations multiéchelles qui combinent les échelles microscopiques et macroscopiques. Lors du test de volumes élémentaires représentatifs (VER) avec différentes phases, les limites périodiques peuvent être reproduites grâce à des contraintes multipoint (CMP).

Ansys adaptera l'approche pour répondre aux besoins de votre processus de conception de matériaux grâce à l'expertise de nos ingénieurs en matériaux et en simulation. Pour découvrir la combinaison optimale d'outils pour vos systèmes de matériaux, contactez notre équipe d'ingénieurs afin d'obtenir une solution de simulation personnalisée.

Ressources connexes