De quelques heures à quelques fractions de seconde : Un modèle d’IA permet de contrôler en temps réel le soudage au laser

Le soudage au laser est un procédé de fabrication de précision utilisé dans l’aérospatiale, la production de dispositifs médicaux et l’industrie automobile. Cette technique est rapide, précise et facile à automatiser – mais le processus est complexe et difficile à prévoir, car il associe de nombreux effets physiques différents. Le laser fait fondre une zone de métal s'étendant sur quelques centaines de micromètres. Au sein de cette zone, la tension superficielle, qui dépend de la température, entraîne un écoulement ; la pression de recul provoquée par l'évaporation conduit à la formation de cavités profondes et étroites appelées « trous de serrure ». Ces trous de serrure piègent alors les faisceaux lumineux réfléchis, augmentant localement la fraction absorbée de la puissance laser.

Les simulations informatiques basées sur la physique sont couramment utilisées pour optimiser le soudage au laser. Cependant, une simulation hautement fiable peut prendre des heures, car elle implique de résoudre simultanément les problèmes d’écoulement des fluides, de transfert thermique, de changement de phase et de surface libre en mouvement. Cela rend l’optimisation coûteuse et rend le contrôle du processus en temps réel totalement hors de portée.

Des chercheurs de l’Empa et de la société de calcul quantique Terra Quantum ont désormais entraîné un modèle d’apprentissage automatique (ML) qui accélère considérablement ce processus sans compromettre la précision. Ils ont publié leurs résultats dans le Journal of Intelligent Manufacturing. Ce qui prenait auparavant des heures peut désormais être accompli en quelques fractions de seconde.

Surmonter le goulot d’étranglement de la simulation

Le modèle, que les chercheurs ont baptisé « Laser Processing Fourier Neural Operator » (LP-FNO), est un modèle de substitution basé sur l’IA. Il prédit la dynamique tridimensionnelle complète de la zone de fusion lors du soudage au laser jusqu’à 100 000 fois plus rapidement que la simulation multiphysique traditionnelle, éliminant ainsi le goulot d’étranglement informatique qui a longtemps entravé le contrôle du processus en temps réel et le déploiement de jumeaux numériques dans le traitement industriel au laser.

Le contrôle de la zone de fusion, cette zone de métal en fusion située sous le faisceau laser, est essentiel à la qualité et à la régularité de la soudure. Les simulations multiphysiques fiables ont longtemps constitué le principal outil pour comprendre et optimiser le procédé, mais leur coût de calcul a rendu leur application en temps réel irréalisable. Une seule simulation effectuée à l’aide des outils de référence actuels prend environ six minutes à une résolution standard de 10 µm et plus d’une heure à une résolution plus fine de 5 µm, ce qui rend le contrôle du procédé, l’optimisation des paramètres à grande échelle et la quantification des incertitudes inaccessibles aux opérateurs industriels.

LP-FNO apprend la relation entre les paramètres du procédé laser (puissance et vitesse de balayage) et les champs de température tridimensionnels ainsi que les limites de la zone de fusion qui en résultent, à l’aide d’une architecture d’opérateur neuronal de Fourier qui combine les informations à l’échelle globale sur l’ensemble du domaine physique en un seul passage direct. Une fois entraîné, LP-FNO produit des prédictions 3D complètes en environ huit millisecondes à la résolution standard et en 88 millisecondes à une résolution deux fois supérieure.

Un élément clé de cette approche réside dans une reformulation quasi-stationnaire du problème de balayage laser. En transformant la simulation transitoire dans un référentiel se déplaçant avec le faisceau laser et en appliquant un lissage temporel, l’équipe de recherche a converti un problème intrinsèquement dépendant du temps en une forme adaptée à l’apprentissage par un opérateur. Cela a permis à LP-FNO de représenter avec précision la dynamique stable du soudage par trou de serrure, le régime le plus complexe sur le plan physique, impliquant des dépressions de vapeur profondes, une déformation de surface induite par la pression de recul et de fortes variations d’absorption laser, au sein du même cadre que celui utilisé pour le soudage en mode de conduction.

Une collaboration fructueuse

« La capacité à condenser des heures de simulation physique en quelques millisecondes n’est pas une amélioration progressive, c’est le genre de changement qui rend possibles des applications entièrement nouvelles », déclare Markus Pflitsch, PDG et fondateur de Terra Quantum. « Grâce à LP-FNO, les opérateurs industriels peuvent optimiser leurs processus en temps réel, créer des jumeaux numériques qui restent synchronisés avec le processus physique et explorer des espaces de paramètres qu’il était auparavant trop coûteux d’étudier. C’est à cela que ressemble le déploiement de l’IA sur les problèmes les plus complexes de l’industrie manufacturière. »

« Ce partenariat a permis de réunir l’expertise de l’Empa en matière de traitement laser, de science des matériaux et de modélisation des procédés avec les capacités de Terra Quantum dans les domaines de l’apprentissage automatique avancé et des méthodes d’opérateurs neuronaux », explique Elia Iseli, responsable du groupe « Light-Matter Dynamics » à l’Empa. « La précision avec laquelle LP-FNO reproduit les résultats pertinents pour la fabrication issus des modèles haute fidélité, notamment les champs de température, la géométrie de la zone de fusion et les interfaces de phase, met en évidence la puissance prédictive de l’approche par modèles de substitution. Ce niveau de concordance reflète l’étroite intégration, tout au long du projet, du développement de l’apprentissage automatique et de l’expertise en modélisation des procédés laser. C’est un résultat qui n’aurait pas pu être obtenu sans ce partenariat. »

« Les opérateurs neuronaux de Fourier sont, de par leur architecture, parfaitement adaptés à ce type de problème, car ils apprennent dans l’espace spectral, en combinant les informations sur l’ensemble du domaine physique à chaque couche plutôt qu’en les propageant localement à travers des voisinages convolutifs », ajoute Florian Neukart, directeur technique chez Terra Quantum. « C’est cette perspective globale qui confère au modèle sa propriété d’invariance par rapport à la résolution : les poids spectraux appris à partir de données d’entraînement grossières se généralisent naturellement à des grilles d’évaluation plus fines. Combiné à la reformulation quasi-stationnaire, cela nous a permis d’obtenir un modèle entraîné unique capable de gérer à la fois les régimes de conduction et de « keyhole » avec une précision constante sur toute la fenêtre de processus. »

À long terme, l’objectif est de permettre une optimisation bien plus rapide des procédés, la mise en place de jumeaux numériques et un contrôle en temps réel pour la fabrication au laser – et potentiellement pour d’autres procédés de fabrication nécessitant une grande puissance de calcul. Il reste encore beaucoup à résoudre, en particulier pour les phénomènes hautement transitoires tels que la formation de pores et l’effondrement du trou de serrure. Mais les chercheurs ont démontré comment la combinaison de la physique, de l’IA et de l’informatique quantique pourrait changer fondamentalement la manière dont nous simulerons les procédés de fabrication avancés à l’avenir.

Vers le communiqué de presse

Littérature

A Benoit, T Ivas, M Papierz, A Sagingalieva, A Melnikov, E Iseli: A fast and accurate fourier neural operator-based surrogate for melt-pool prediction in laser processing; Journal of Intelligent Manufacturing (2026); doi: 10.1007/s10845-026-02917-0

M Papierz, A Sagingalieva, A Benoit, T Ivas, E Iseli, A Melnikov: Hybrid Fourier Neural Operator for Surrogate Modeling of Laser Processing with a Quantum-Circuit Mixer (2026); doi:10.48550/arXiv.2604.04828

Informations

Dr. Elia Iseli
Empa, Light-Matter Dynamics Group
Tél. +41 58 765 63 28
elia.iseli@empa.ch

Dr. Alexey Melnikov
Terra Quantum, Global Director of Artificial Intelligence
Tél. +41 71 228 12 05
ame@terraquantum.swiss