Post-doctorat en modélisations atomistiques (DFT) et apprentissage automatique de matériaux com[...]

CNRS; Toulouse; Sur place; EUR 40 000 - 60 000; Plein temps

Résumé du poste

Le CNRS recherche un post-doctorant en modélisations atomistiques et apprentissage automatique, pour développer des méthodes visant à modéliser des matériaux complexes. Le candidat sera responsable de la création de bases de données, simulations de dynamique moléculaire, et publications scientifiques. Ce poste, basé à Toulouse, nécessite un doctorat et des compétences avancées en DFT et apprentissage automatique.

Qualifications

• Doctorat requis.
• Expérience de 1 à 4 années souhaitée.
• Compétences en DFT et MLM nécessaires.

Responsabilités

• Développer des protocoles d'apprentissage automatique basés sur des calculs DFT.
• Créer des bases de données à partir de calculs DFT.
• Réaliser des simulations de dynamique moléculaire.

Connaissances

Calculs de structure électronique

Modélisations atomistiques

Apprentissage automatique

Maitrise du calcul hautement parallèle

Connaissance des matériaux vitreux

Formation

Doctorat

Description du poste

Post-doctorat en modélisations atomistiques (DFT) et apprentissage automatique de matériaux complexes (H/F), Toulouse

Informations générales

Intitulé de l'offre : Post-doctorat en modélisations atomistiques (DFT) et apprentissage automatique de matériaux complexes (H/F)
Référence : UPR8011-MAGBEN-001
Nombre de Postes : 1
Lieu de travail : TOULOUSE
Date de publication : lundi 9 juin 2025
Type de contrat : Chercheur en contrat CDD
Durée du contrat : 24 mois
Date d'embauche prévue : 1 octobre 2025
Quotité de travail : Complet
Rémunération : Entre 2991,50€ et 3417,33€ bruts mensuels selon expérience
Niveau d'études souhaité : Doctorat
Expérience souhaitée : 1 à 4 années
Section(s) CN : 05 - Matière condensée : organisation et dynamique

Le post-doctorant aura pour mission de développer des protocoles d'apprentissage automatique basés sur des calculs de type DFT visant à modéliser des matériaux constitués de nanoparticules métalliques intégrées dans des matrices diélectriques.

Activités

- Création de bases de données à partir de calculs DFT
- Réalisation et comparaison de différentes méthodes d'apprentissage automatique
- Réalisation de simulations de dynamique moléculaire en température à l'aide des potentiels interatomiques obtenus
- Analyse des données produites
- Valorisation des résultats sous forme de publications et de communications à des congrès

Compétences

- Calculs de structure électronique
- Modélisations atomistiques incluant la dynamique moléculaire
- Apprentissage automatique
- Maitrise du calcul hautement parallèle (HPC)
- Connaissance des matériaux vitreux et notions de cristallographie

Contexte de travail

Le travail s'effectuera au sein de l'équipe SINanO du laboratoire CEMES (Toulouse), dans le cadre du projet ANR GNOME (https:///Projet-ANR-24-CE09-2403).

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.