Responsable : Jean-Daniel Zucker
CNRS / UPMC / UMR 7606
Case 169 - Université Pierre et Marie Curie
4 Place Jussieu 75252 , Paris Cedex 05
UMR 7603 du CNRS
Université Pierre et Marie Curie
Case 86 - 4, Place Jussieu
75252 PARIS - France
Composition de l’équipe : UMR 7606 (SPI)
Laurent BRETON (1998) Allocataire MENRT
Vincent CORRUBLE ( Maître de conférence à Paris 6)
Jean-Gabriel GANASCIA (Professeur à Paris 6)
Bruno ROBISSON (1998) ENS Cachan, AMA
Jean-Daniel ZUCKER (Maître de conférence à Paris 6)
Membres de l'équipe ACASA dirigé par Jean-Gabriel Ganascia
Eric Clément (Prof. Univ. Paris 6)
Serge Galam (CR1 CNRS)
Evelyne Kolb (Maître de conférence à Paris 6)
Jean Rajchenbach (DR2 CNRS)
Jacques Duran (DR2 CNRS)
Loic Vanel, Abder Ngadi (Doctorants)
Membres du LMDH
A l’heure actuelle, environ 80 % des produits (ou des intermédiaires) des industries de procédé se trouvent être sous forme de grains ou de poudres. Et pourtant comme pour de nombreuses opérations unitaires liées aux solides divisés (transport, mélange, broyage, granulation, ...), la connexion entre les mécanismes d’interaction des grains et l’obtention de lois macroscopiques fiables contrôlant leurs aspects mécaniques n'est pas établie. Ceci est particulièrement préjudiciable quand il s’agit de dimensionner des appareils industriels. Ainsi, l’ingénieur qui doit concevoir un procédé mettant en oeuvre une étape " poudres ou granulés " doit se fonder, soit sur son expérience personnelle, soit sur des essais en installation pilote qui sont coûteux et difficilement généralisables. Cette démarche hypothèque gravement la fiabilité et impose des facteurs de sécurité importants dans le dimensionnement des équipements industriels. Les méthodes scientifiques utilisées en pratique sont issues de la mécanique des sols et se fondent sur des relations empiriques entre contraintes et les déformations qui sont obtenues par des tests triaxiaux souvent délicats à mener. De plus, ces relations échouent à prévoir des phénomènes importants comme les fluctuations de contraintes, les écoulements intermittents, le bouchage, la mise en mouvement, le vieillissement des contraintes (colmatage de silos) et les sollicitations en cycles etc...
Des approches récentes montrent que le cœur du problème se situe dans la compréhension imparfaite voire inexistante des relations entre les interactions locales inter-grains (forces de contact) et la possibilité de former des structures auto-organisées à une échelle intermédiaire (chaînes de forces, voûtes). Ces structures ont une dynamique régie à la fois par l’action des contraintes externes, par la dynamique des lois locales de contact et celle des variations de structures des empilements. Des mesures récentes [Ngadi98, Kolb99,Vanel99] et de simulations numériques par élément finis [Radjai97, Eloy97] montrent que ces structures encodent l’histoire de l’empilement et définissent les paramètres macroscopiques comme les champs de contraintes et de déformation. Leur dynamique est aussi à l’origine des fluctuations de contraintes observées en pratique [Ngadi98, Kolb99, Vanel99].
Pour aborder les problèmes décrits ci-dessus nous pensons qu'une coopération entre des physiciens et des chercheurs en Intelligence Artificielle est nécessaire. Ce qui fait en effet le propre de l'Intelligence Artificielle (IA) comme discipline de l'informatique est de s'attaquer aux problèmes dont la complexité trop importante les rend hors de portée des méthodes de résolution traditionnelles. Les méthodes utilisées en IA s'appuient sur des heuristiques qui permettent de diminuer de manière drastique la complexité des méthodes de résolution. Une étude récente nous a permis de montrer que dans le problème de la résolution d'un réseau de force dans un milieu granulaire homogène, une approche IA basé sur un algorithme d'éco-résolution [Breton98] a permis de résoudre des problèmes avec une efficacité qui n'avaient encore jamais pu être atteinte auparavant par une méthodes plus traditionnelle [Eloy97]. Plus généralement, ce type de recherche qui vise à intégrer des approches de l'IA pour la résolution de problèmes d'un domaine scientifique particulier est appelé en IA: l'aide à la découverte scientifique (Corruble & Ganascia, 97; Sharager & Langley, 90; Valdes-Perez, 94).
L'objectif principal de cette collaboration est de concevoir et réaliser un laboratoire d'expérimentation virtuelle pour l'aide à la découverte scientifique dans le domaine des empilements en milieu granulaire: Granulab. Il devrait permettre de comprendre les aspects relevants de la dynamique des réseaux de force. De plus, nous espérons ouvrir une voie nouvelle dans les approches de la simulation numérique dans les milieux granulaires de par ses fonctionnalités et les algorithmes de résolutions originaux et efficaces utilisés. Les résultats obtenus grâce à GranuLab seront également confrontés à ceux obtenus lors d'expérimentations réelles faites en parallèle afin de vérifier les résultats obtenus grâce aux méthodes d'IA. Dès à présent, le LMDH dispose d’un corpus expérimental assez important. Les expérimentations virtuelles pourront ainsi déboucher sur de nouvelles séries d’expériences. Cette collaboration scientifique avec une équipe d’un autre département (SPM) devrait nous permettre d'atteindre en trois ans la conception et la réalisation du laboratoire virtuel Granulab.
Breton, L,(1998) : Conception des agents grain de sable. DEA Intelligence Artificielle, Université Paris VI.
Corruble, V. and J.-G. Ganascia (1997) : "Induction and the discovery of the causes of scurvy : a computational reconstruction." Artificial Intelligence , Special Issue on Scientific Discovery, 91: 205-223.
Eloy C. and Clément E ; (1997): Stochastic aspect of the force network in a regular granular piling .J.de Phys.I (France), 7,1541
Kolb E. Mazozi T., Clément E. and Duran J. (1999): Force fluctuations in a vertically pushed granular layer. Eur.Phys.J. B , 8, 483.
A.Ngadi and J.Rajchenbach (1998): Intermitency in the compression process of a granular medium. Phys.Rev.Lett., 80 273-276.
L.Vanel and Clément E.(1999) Pressure screening and fluctuations at the bottom of a granular column. Eur.Phys.J. B (to appear).
Shrager, J. Langley, P. 1990. Computational Approaches to scientific Discovery. in Shrager, J. & Langley, P. (Eds) Computational Models of Scientific Discovery and Theory Formation. Morgan Kaufmann.
Valdes-Perez, R.E. 1994. Conjecturing Hidden Entities by Means of simplicity and Conservation Laws : Machine Discovery in Chemistry. Artificial Intelligence, 65, pp. 247-280.
1999
Breton, L., J.-D. Zucker, et Eric Clément (1999). Une approche multi-agents pour la résolution d’équations en physique des milieux granulaires. JFIADSMA'99, Hermes, Paris.
Vanel L. and E.Clement (1999), Pressure Screening And Fluctuations At The Bottom Of A Granular Column, Eur. Phys. J. B 11, 525
Vanel, L. Howell, Behringer and Clement (1999), Memories In Sand: Experimental Test Of Construction History And Stress Distribution Under A Sand-Pile, Phys.Rev.E 60, R5040
2000
Breton, L., J.-D. Zucker, et Eric Clément (2000a). GranuLab : un laboratoire virtuel d'experimentations pour la decouverte scientifique en physique granulaire. Reconnaissance des Formes et Intelligence Artificielle, RFIA'2000, Paris, France.
Breton, L., J.-D. Zucker, et Eric Clément (2000b). A Multi-agent approach for the resolution of equations in granular physics. Multi-agent systems and Agent-Based Simulation 2000. Submitted.
Reydellet, G., E.Clement, L.Vanel, G. Ovarlez, E.Kolb, Response Functions In Granular Pilings, Proceedings Of Material Reseach Society Conference, San Francisco (Avril 2000) ; The Granular State, Ed. S.Sen, M.Hunt, F. Van Swol, Sandia, to appear.
Vanel, V. P.Claudin, J.-P.Bouchaud, M.Cates, E.Clement And J.Wittmer Stresses In Silos : Comparison Between Theoretical Models And New Experiments, Phys.Rev.Lett 84, 1439 (2000)
Le projet est prévu pour une durée totale de 3 ans de mai 1999 à fin 2003.
Avr. 1999 - sept. 1999 Identification et modélisation du processus expérimental et première évaluation des algorithmes d'IA avec les résultats expérimentaux.
Sept. 1999 - Sep. 2000 Conception des fonctionnalités de GranuLab et des principaux algorithmes.
Sept. 2000 - Dec. 2003 Réalisation et validation de GranuLab.