Recherche

Consulter le flux RSS

Publications

Liste des publications du LMPS

Affichage des publications 441 à 450 sur 1638 au total

Physics

Apprentissage non-supervisé de lois de comportement non- linéaires avec réseau de neurones thermodynamiquement consistent par minimisation de l'erreur en relation de comportement modifiée

Cet article propose une méthode d’apprentissage de lois de comportement nonsupervisé, fondée sur la minimisation de l’erreur en relation de comportement modifiée. La loi de comportement, en termes de loi d’état et d’équation d’évolution, est…

Antoine Benady, Emmanuel Baranger, Ludovic Chamoin

16ème Colloque National en Calcul de Structures (CSMA 2024) -

Engineering Sciences

Generation automatique de maillages hexaédriques pour des applications en géophysique à l'échelle régionale

L’exploration géophysique nécessite des maillages de haute résolution pour modéliser efficacement la Terre. La méthode des éléments spectraux est très utilisée en géophysique pour ses qualités d’efficacité et de parallélisabilité, mais nécessite des…

Lucio de Abreu Correa, Filippo Gatti, Jose Camata, Régis Cottereau, Alvaro Coutinho

16ème Colloque National en Calcul de Structures (CSMA 2024) -

Engineering Sciences

Efficient modeling of spiral strands subjected to biaxial bending and variable axial force

Spiral strands exhibit nonlinear hysteretic bending behavior due to their helical geometry and interwire frictional contact interaction. In this study, an efficient framework based on computational homogenization is proposed, in which a spiral…

Mohammad Ali Saadat, Damien Durville

16ème Colloque National en Calcul de Structures (CSMA 2024) -

Engineering Sciences

Régularisation à gradient implicite avec une métrique Riemanniene pour les matériaux quasi-fragiles : anisotropie induite de l'endommagement et interactions non-locales évolutives

Plusieurs formulations non-locales où les distances d’interaction évoluent en fonction des champs mécaniques ont été introduites dans la littérature pour pallier certains effets indésirables observés avec les formulations conventionnelles à…

Breno Ribeiro Nogueira, Giuseppe Rastiello, Cédric Giry, Fabrice Gatuingt, Carlo Callari

16ème Colloque National en Calcul de Structures (CSMA 2024) -

Civil Engineering

Thermal and Transfer Behaviour Modelling in Concrete Incorporating Seashell Co-products

In order to reduce environmental impact of construction sector, by-products from other industries must replace classical raw materials in concrete. In parallel, seashell production in the word represents approximately 17 million tons [1] and their…

Camille Martin--Cavaillé, Alexandra Bourdot, Nassim Sebaibi, Rachid Bennacer

ECCOMAS Congress 2024 - The 9th European Congress on Computational Methods in Applied Sciences and Engineering -

Civil Engineering

Mechanical behaviour of concrete based on aquaculture co-products

A possible way to reduce CO2 emissions linked to cementitious materials is to use alternative resources, particularly co-products from other industries. Oyster shell co-products are a calcareous resource produced by aquaculture currently available…

Camille Martin--Cavaillé, Alexandra Bourdot, Olivier Rateau, Malo l'Helguen, Nassim Sebaibi, Rachid Bennacer

12th ACI/RILEM International Conference on Cementitious Materials and Alternative Binders for Sustainable Concrete (ICCM 2024) -

Engineering Sciences

Threshold of Saturation Degree of Unsaturated Sand to Cause Liquefaction Considering the Sample Volumetric Strain: Modelization and Experimental Laboratory Investigation

This paper aims to determine a non-liquefiable domain corresponding to the threshold of saturation degree where liquefaction does not occur under cyclic loading. To determine this threshold, sample volumetric strain at liquefaction state of…

K. Tran, Y. Shamas, W. Huang, S. Imanzadeh, S. Taibi, Jean-Marie Fleureau, M. Hattab, Hanène Souli, E. Rivoalen

Journal of Earthquake Engineering -

Artificial Intelligence

Pipeline for Semantic Segmentation of Large Railway Point Clouds

This paper presents a novel deep-learning pipeline to segment large railway datasets with minimal manual annotation, notoriously time consuming. The pipeline adapts DINOv2 [11] for labeling point clouds, with tailored self-distillation pre-training…

Hugo Gabrielidis, Filippo Gatti, Stephane Vialle

Intelligent Data Engineering and Automated Learning – IDEAL 2024 -