Thèses
Lundi 9 Octobre 2023 à 14h00.
Dynamique intermittente d’un milieu granulaire cisaillé lentement
Louis Combe
Salle de conférences de la Bibliothèque Universitaire
Invité(e) par
Osvanny Ramos et Olivier Cochet-Escartin
présentera en 1 heure :
''
Jury :
Mme. Anaïs Abramian, CR-CNRS, Institut Jean le Rond d'Alembert, Paris – Examinatrice
Mme. Laurence Audin, DR-IRD, ISTerre, Grenoble – Examinatrice
M. Jérôme Crassous, Pr, Institut de Physique de Rennes – Rapporteur
M. Olivier Cochet-Escartin, CR-CNRS, iLM, UCBL – Codirecteur
M. Frédéric Lechenault, CR-CNRS, Laboratoire de Physique, ENS Paris – Rapporteur
M. Osvanny Ramos, MCF, iLM, UCBL – Directeur de thèse
M. Loïc Vanel, Pr, iLM, UCBL – Examinateur
Mme. Valérie Vidal, DR-CNRS, Laboratoire de Physique, ENS Lyon – Examinatrice
Mme. Stéphanie Deschanel, MCF, Laboratoire MATEIS, INSA de Lyon – Invitée
Résumé :
Malgré de nombreuses différences apparentes, de nombreux systèmes naturels et sociaux, notamment les tremblements de terre, les fractures sous-critiques, les piles granulaires, les éruptions solaires et même les marchés boursiers, partagent des propriétés statistiques. Dans tous ces systèmes, l'énergie (la valeur dans le cas des actions) est accumulée à un rythme lent et libérée par des événements soudains, avec une distribution de probabilité qui est la même à toutes les échelles. Ces événements sont souvent qualifiés d'avalanches invariantes d'échelle ou de séismes, par analogie avec la dynamique des tremblements de terre. En effet, les tremblements de terre sont l'exemple le plus connu parmi les systèmes à lente évolution et présentant des avalanches invariantes d'échelle, et la distribution de l'énergie de leurs événements suit une loi de puissance. La compréhension et l'étude expérimentale de ces systèmes sont très difficiles, car ils présentent naturellement des phénomènes à plusieurs échelles, en temps et en énergie. Par exemple, dans le cas des tremblements de terre, ils couvrent plus de neuf décades en temps, durent de moins d'une seconde (s'ils sont petits) à quelques minutes, sont suivis de répliques, et ont des temps inter-événements supérieurs à un siècle dans le cas des tremblements de terre catastrophiques, tout en libérant des quantités d’énergie séparées par 9 ordres de grandeur entre les plus petits et les plus grands tremblements de terre enregistrés. Pour étudier ce système dans des environnements contrôlables, des expériences analogues ont été réalisées, et l'expérience principale de cette thèse est l'une d'entre elles. Le système expérimental consiste en une monocouche d'environ 4 000 disques bi-disperses imprimés en 3D, qui sont comprimés entre deux anneaux du même matériau et cisaillés lentement dans une cellule cylindrique. Les grains sont photoélastiques, révélant la structure du réseau de forces. L'énergie mécanique est lentement accumulée dans la structure du système et libérée par des événements soudains de réorganisation associés à des émissions acoustiques,que nous appelons avalanches ou "LabQuakes". Ces LabQuakes présentent de nombreuses similitudes statistiques avec les tremblements de terre réels, tout en se produisant à un rythme beaucoup plus élevé que leurs équivalents dans le monde réel. En effet, les expériences durent quelques jours et produisent l'équivalent de centaines d'années de données sismiques. L'objectif est de fournir des outils d'analyse robustes pour les images prises pendant l'expérience, ainsi qu'un environnement informatique stable pour traiter les téraoctets de données produites par cette expérience. Cette analyse d'images révèle les changements structurels sous-jacents associés aux libérations d'énergie et fournit une base pour un modèle de propagation au sein du système expérimental, ouvrant la voie à des méthodes de localisation acoustique des évènements de réarrangement dans le système. Enfin, toutes ces données sont analysées à l'aide d'algorithmes d'apprentissages automatiques, afin d'étudier les possibilités de prédire le comportement du système (et plus précisément les potentielles ruptures catastrophiques) dans un avenir proche, sur la base des données du passé.
''