Generative approaches for porous media under disentangled physical constraints

Les modèles génératifs sont des méthodes performantes permettant la synthèse de nouvelles données en approximant la distribution de probabilité qui décrit un jeu de données de référence. Au cours des dernières années, plusieurs travaux ont démontré leur utilité pour un large éventail d’applications, y compris en science des matériaux pour la conception de nouvelles structures. Dans cette thèse, nous nous intéressons à l’application de ces techniques à la génération de milieux poreux contraints par différentes propriétés physiques liées à la caractérisation des batteries lithium-ion. Nos recherches se concentrent principalement sur les modèles conditionnels combinés à des approches de désentrelacement avec pour objectif de contrôler indépendamment les différentes propriétés d’intérêt. Nous proposons tout d’abord une méthode basée sur le VAE qui améliore les méthodes de désentrelacement faiblement supervisées existantes dans un contexte général. Ensuite, nous couplons le désentrelacement aux modèles conditionnels et proposons une architecture basée sur un GAN qui génère des milieux poreux 2D et qui est capable de désentrelacer des propriétés scalaires, à savoir la porosité et la surface de contact. Par la suite, nous adaptons notre modèle à la génération de milieux poreux 3D et proposons le désentrelacement de propriétés plus complexes et vectorielles. Enfin, nous mettons en oeuvre une nouvelle métrique de désentrelacement, centrée sur la structure des matériaux et davantage adaptée aux données considérées.