36 mois

Une nouvelle approche par méthode inverse pour l’identification 3D : une extension à la biomécanique cellulaire

[TheChamp-Sharing]
Ce sujet de thèse s’inscrit dans le cadre du projet ANR InvABio n°Eotp : E397CR24

Cette thèse vise à développer une nouvelle méthode d’identification basée sur une méthode inverse, qui permettra d’étudier le processus de formation des invadopodes et de quantifier les champs mécaniques nécessaires à leur invasion dans la MEC. La méthode inverse, utilisant la modélisation par éléments finis, devra être mise en œuvre pour des cas volumiques afin de déterminer, à partir des champs de déplacement de la cellule et de l’ECM, les forces agissant à l’interface cellule-ECM pendant la formation des invadopodes. En plus de l’aspect dimensionnel, l’extension de la méthode prendra en compte le comportement anisotrope hétérogène de la cellule. Ce travail permettra de calculer les forces internes à l’interface cellule-matrice à partir de mesures de champs de déplacement (microscopie confocale et DVC) dans la gélatine, dont le comportement linéaire est connu. Les champs de déplacement de la cellule seront également mesurés, et nous connaîtrons alors les déplacements et les contraintes à l’interface cellule-matrice.

Cet ensemble de travaux représente des développements fondamentaux de la méthode inverse de régularisation évanescente, avec, d’un point de vue numérique, l’extension de la méthode à l’identification des conditions d’interface à partir des champs cinématiques et l’enregistrement des paramètres matériels d’une structure hétérogène avec une simulation par éléments finis, ainsi que le développement de la procédure d’identification dans des situations 3D. D’un point de vue expérimental, la méthode sera appliquée aux données volumiques issues de la DVC à l’échelle cellulaire. D’un point de vue théorique, les outils actuels pourront être généralisés à des comportements non linéaires tels que celui de la cellule. A partir des conditions aux limites sur une partie de la membrane plasmique de la cellule, une procédure inverse de résolution des problèmes de type Cauchy permettrait de calculer les conditions aux limites en termes de déplacements et de forces sur l’ensemble de l’enveloppe cellulaire. Ce dernier travail ferait partie intégrante d’un développement théorique majeur pour la méthode de régularisation évanescente, qui, à l’heure actuelle, a toujours été appliquée à des matériaux présentant un comportement linéaire.

 

Arnaud Germaneau - Contacter
Laëtitia Caillé - Contacter
Institut Pprime
Equipe Photomécanique et Mécanique Expérimentale (PEM)
Département Génie Mécanique et Systèmes Complexes (GMSC)
11 Boulevard Marie et Pierre Curie
86360 Chasseneuil du Poitou

Autres offres d'emploi

Retour à la liste
12 months

POST-DOC (M/F) - Control by Machine Learning of bluff body wakes

At the CNRS-Laboratory PPRIME, based at the Futuroscope, this post-doctorate position is part of the French ANR COWAVE program between the laboratories PRISME in Orleans, Pprime in Poitiers, LHEEA in Nantes and the PSA automotive industry. This Post-Doc position concerns the Pprime contribution to the COWAVE project which aims the experimental exploration of closed-loop wake control strategies with mobile flaps in a water tunnel facility. Three-dimensional bluff-body wakes generate pressure drag and side forces and thus contribute significantly to the fuel consumption and pollutant emission of road vehicles. Despite this crucial impact and the numerous attempts to reduce harmful environmental effect of bluff body wakes by flow control it is still unclear what is the most efficient control strategy! In this context, the ANR project COWAVE addresses two fundamental aspects of wake control: - First, what kind of actuators are most efficient? While most closed-loop control strategies use viscous entrainment effects to actuate the shear layers in the wake, the exploitation of pressure forces produced by mobile deflectors could be an interesting alternative to be tested. - Second, for the implementation of closed-loop control, we want to test if control strategies obtained by machine learning techniques allow to obtain better efficiency and robustness than the more classical model-based approaches? The proposed Post-Doc position is part of the French ANR COWAVE program between the laboratories PRISME in Orleans, Pprime in Poitiers, LHEEA in Nantes and the PSA automotive industry. This Post-Doc position concerns the Pprime contribution to the COWAVE project which aims the experimental exploration of closed-loop wake control strategies with mobile flaps in a water tunnel facility. APPLY Follow link / Application Deadline : 12 March 2021 https://bit.ly/3qDG6Ml