Laboratoire d’Etude et Prédiction de Matériaux Unité de Recherche de Matériaux et Energies Renouvelables

Abstract

La théorie de la fonctionnelle de la densité (DFT), implémentée dans le code de calcul Vienna Ab-initio Simulation Package (VASP). A été utilisée afin de calculer de l’énergie de l’état fondamental et les propriétés élastiques de certains alliages d’aciers inoxydables objet de notre travail. L’étude de l’alliage ternaire dont la composition est 0.62 0.185 0.185 Fe Cr Ni , nous a permis de déterminer la constante du réseau correspondant à l’état fondamentale, le module de compressibilité, le module de compressibilité. Suite à cela les trois constantes élastiques ij C ont été calculées par la méthode de la conservation du volume de la maille sous l’effet de déformations (en anglais : volume conserving distortions méthods). En deuxième tentative nous avons appliqué les différentes méthodes du datamining a savoir les réseaux de neurones et les algorithmes génétiques, il s’agit d’une part d’évaluer la capacité de ces approches à effectuer les taches de simulations et de prévisions des différentes propriétés élastiques des matériaux étudiés ; et d’autre part de comparer leurs résultats obtenus avec ceux donnés dans la littérature, et la méthode DFT présenté au chapitre précédent.Abstract In this paper, two methods were applied to determine the different elastics constants of the face centred cubic austenitic stainless steel Fe0.62Cr0.185Ni0.185. Firstly, the quantum mechanical simulation was applied based on the first principles calculations within the generalized gradient approximation (GGA) by using the efficient strain-stress method. Secondly an artificial neural network (ANN) is used based on back propagation algorithm training. ANN model has been developed for the analysis and simulation of the correlation between the elastic properties and composition. In the training model three input layers each accept the weight percentage of the alloy component (Fe, Cr and Ni), while the three different elastics constants Cij were employed as outputs. Different models of ANN were developed to predict the elastic constants. The performance indices such as coefficient of determination, mean square error were used to control the performance of the prediction capacity of the models developed in this study. In addition to this, elastic constants obtained from ANN models were compared with those obtained from quantum mechanical simulation and with those reported in the literature. The prediction results obtained by the two methods seem to be satisfactory.