Etudiant : ELKHAIARI AYOUB

Filière : Machine Learning Avancé et Intelligence Multimédia (MLAIM)

Encadrant : Pr. TAIRI HAMID

Annèe : 2025

Résumé : La prédiction précise des fractions de phases ferrite et austénite dans les aciers est essentielle pour optimiser les traitements thermiques et les propriétés mécaniques. Ces fractions dépendent de la composition chimique et des paramètres de traitement, tels que la température d’usinage et le temps de maintien. Les approches basées sur le deep learning offrent une solution prometteuse pour modéliser les relations complexes et non linéaires entre les paramètres expérimentaux et la microstructure, dépassant les limites des modèles physiques et thermodynamiques traditionnels. Cependant, le manque de données expérimentales fiables et représentatives reste un défi majeur. Les jeux de données incomplets, le coût des caractérisations (XRD, affinement de Rietveld) et l’hétérogénéité des mesures compliquent l’entraînement et la généralisation des modèles profonds.