Close

‹ Retour à l’annuaire

Francois Willot

Directeur de recherche

Centre · STIM

Discipline(s)
Mathématiques appliquées, Mécanique du solide, Physique de la matière condensée, nanosciences, systèmes complexes
Thème(s)
Développement durable, Nucléaire, Renouvelable

Mots-clés

Prix & distinctions

  • 2025 Conférencier invité à ECSIA (14th European Congress for Stereology and Image Analysis)

Équipe

STIM

Biographie

François Willot est un chercheur spécialisé dans la modélisation multi-échelle des matériaux hétérogènes et la simulation numérique des microstructures et le développement de méthodes spectrales, dites FFT (Fast Fourier Transform) et de réseaux de neurones informés par la physique (physics-informed neural networks) et la géométrie (geometry-informed neural networks). Ses travaux portent principalement sur l’analyse des mécanismes de déformation et de rupture dans les matériaux ductiles, notamment via l’étude des interactions entre porosités, fissures et microstructures cristallines. Il a contribué au développement de méthodes innovantes combinant imagerie 3D (tomographie, microscopie électronique), modèles stochastiques et approches numériques avancées. Ses recherches abordent également la caractérisation des matériaux composites, des polycristaux et des milieux poreux, en intégrant des outils statistiques pour décrire les distributions spatiales et les corrélations morphologiques.

Publication(s)

Projets

  • 2022-2026 Data-driven Stochastic 3D MIcrostructure modeling for LEarning mechanical properties (SMILE) Porteur Damage localization, leading to brittle or ductile fracture in TiAl polycrystalline alloys is a phenomenon driven by the local stress state within the microstructure. Combined with machine learning methods, established computational models of fracture, based on phase-field and FFT approaches, have the potential to explore microstructure-properties relationships and identify mechanically preferable structures. To do so, mechanical modeling must be supplemented by stochastic microstructure modeling able to capture the wide range of grains morphologies, granulometry distributions and crystal texture encountered in real materials. The Smile project will combine modeling of polycrystals with different mechanical responses, validated on 3D high-resolution images with a phase-field approach to predict the mechanical response up to failure, validated on 4D tomography images. This will allow us to devise a parsimonious method for classifying polycrystalline materials based on mechanical properties.
  • 2024-2026 Accelerated Design of Architectured Materials. ANR project part of the PEPR DIADEM Responsable scientifique

Enseignements

Introduction aux nanomatériaux

Chargé d'enseignement

- Introduction générale - Synthèse, élaboration - Caractérisation - Modélisation à l’échelle moléculaire - Modélisation morphologique et passage nano macro - Applications Couleur - Applications en Sc. Matériaux - Applications Dépollution, Nanoporeux et Catalyse - Applications en Energie - Applications nanomédecine - Prospective, enjeux industriels et sociétaux, Analyse de risques, Toxicité.

ATHENS - MP08 - Physique et mécanique des milieux aléatoires

Responsable

Motivé par une revue des techniques expérimentales avancées pour la description de la microstructure, et par des résultats typiques impliquant les fluctuations présentes dans les phénomènes de plasticité, d'endommagement, de fracture et d'écoulement dans les milieux poreux, les outils de base de la probabilité appliquée et des processus aléatoires sont rappelés. Les outils probabilistes pour la description des milieux aléatoires et les modèles ainsi que leur simulation sont introduits. La physique et la mécanique des milieux aléatoires sont d'abord présentées sous l'angle des solutions approchées des équations aux dérivées partielles à coefficients aléatoires. Par exemple, les problèmes d'électrostatique linéaire dans les milieux aléatoires sont étudiés au moyen d'une expansion de perturbation des champs électriques et de déplacement aléatoires, tandis que les limites de la permittivité effective et des modules élastiques sont dérivées de principes variationnels. Cette approche d'homogénéisation, qui peut être appliquée à d'autres propriétés physiques comme la composition de la perméabilité, ou de la conductivité thermique, est illustrée par des bornes de troisième ordre. L'utilisation de techniques numériques (comme les éléments finis), pour fournir une estimation des propriétés homogénéisées des milieux aléatoires à partir de simulations de type Monte Carlo, est introduite. Les limites et les techniques numériques sont ensuite étendues aux comportements non linéaires, comme la plasticité des polycristaux. Etant donné l'importance des problèmes de fiabilité dans une multitude d'applications d'ingénierie, plusieurs modèles statistiques de rupture (fragile, ductile, fatigue) sont élaborés à partir d'une approche probabiliste. Strucuture du cours : Une seule semaine. Cours magistraux (80%) and formation pratique sur ordinateur (20%) Plus d'informations sur : http://cmm.ensmp.fr/Enseignement/es-physrandmedia.html

Parallélisme et calculs distribués

Intervenant

Option Ingénierie Digitale des Systèmes Complexes (Mines ParisTech)

Mastère 2 Énergie (PSL)

Mastère Spécialisé "Design des Matériaux et des Structures" (Mines ParisTech)

Mécanique des Matériaux Biosourcés

Formation doctorale "Probabilité et Mécanique", École doctorale Université Paris-Est

Random structures and homohenization

Direction(s) de thèse(s)

  • 2025 Impact des gonflements internes sur le comportement mécanique du béton : analyse multi-échelle et effets cinétiques GILBERTAS Florian
  • 2025 Modèles d’intelligence artificielle générative pour les microstructures des alliages métalliques COURTOIS Martin
  • 2023 Caractérisation de l'endommagement de matériaux énergétiques à l'échelle microstructurale ROBIN Camille
  • 2023 Analyse statistique de l'endommagement sous choc dans des matériaux ductiles THOUÉNON Corentin
  • 2022 Estimation des propriétés mécaniques de polycristaux par apprentissage automatique informé par la physique MONTEIRO FERNANDES Lucas
  • 2018 Modèles réduits par apprentissage automatique pour l'étude de la nocivité de défauts LAUNAY Hugo
  • 2018 Prédiction de la microfissuration par champ de phase et méthode FFT pour les matériaux énergétiques comprimés. RABETTE François
  • 2017 Etude expérimentale et numérique de la sensibilité de compositions énergétiques : influence de la microstructure et rôle de l'endommagement KAESHAMMER Elodie
  • 2016 Étude numérique de la nocivité des défauts dans les soudures LACOURT Laurent