Post-doctorat - Interaction spin-réseau par simulations ab initio et Machine Learning - H/F

CEA; Le Barp; Sur place; EUR 30 000 - 40 000; Plein temps

Résumé du poste

Un institut de recherche en sciences profondes recherche un(e) post-doctorant(e) spécialisé(e) en simulation moléculaire et en apprentissage automatique. Le candidat idéal devra avoir un doctorat en physique des matériaux et être capable d'accélérer les simulations ab initio avec des compétences en machine learning. Ce projet explore la dynamique moléculaire tout en contribuant à des recherches critiques pour la sécurité nationale. Offres de contrat de 2 ans, renouvelables.

Prestations

Poste inclusif pour les personnes handicapées

Qualifications

• Expérience en dynamique moléculaire ab initio (AIMD).
• Connaissances en apprentissage automatique appliqué à la science des matériaux.
• Capacité à gérer des simulations complexes.

Responsabilités

• Accélérer les simulations ab initio pour calculer des propriétés thermodynamiques.
• Utiliser des approches de machine learning pour réduire les coûts de simulation.
• Collaborer dans un environnement de recherche multidisciplinaire.

Connaissances

Modélisation moléculaire

Machine Learning

Dynamique moléculaire

Analytique des données

Formation

Doctorat en physique des matériaux ou domaine connexe

Description du poste

Post-doctorat - Interaction spin-réseau par simulations ab initio et Machine Learning - H/F

Référence: 2025-37804-S1894

Description du poste

Matériaux, physique du solide

Intitulé de l'offre

Post-doctorat - Interaction spin-réseau par simulations ab initio et Machine Learning - H/F

Sujet de stage

En science des matériaux, la dynamique moléculaire ab initio (AIMD) constitue un outil central pour l’étude des propriétés à température finie. Toutefois, ces simulations restent fortement limitées par leur coût de calcul élevé, principalement en raison du calcul des forces ab initio et du grand nombre d’étapes nécessaires pour échantillonner la surface d’énergie. Une solution envisagée consiste à remplacer les simulations AIMD par des simulations « classiques » utilisant des potentiels interatomiques issus de l’apprentissage automatique (MLIP).

Durée du contrat (en mois)

2 ans + 2 x 1an renouvelables

Description de l'offre

La méthode MLACS (Machine Learning Assisted Canonical Sampling) [1, 2] permet de réduire drastiquement le coût des simulations AIMD (d’environ deux ordres de grandeur), tout en maintenant une précision ab initio de l’ordre de 1 meV/atome [3, 4]. Elle repose sur une approche variationnelle auto-cohérente, combinée à un apprentissage actif, pour affiner itérativement un potentiel MLIP. Contrairement aux approches traditionnelles, MLACS génère à la fois un potentiel adapté au point thermodynamique ciblé, et une distribution représentative de configurations à l’équilibre.
L’objectif de ce projet postdoctoral est donc double :
1‑ accélérer les simulations ab initio, et
2‑ permettre le calcul des propriétés thermodynamiques des matériaux magnétiques (comme le fer) au sein du package Mlacs.
[1] A. Castellano, F. Bottin, J. Bouchet, A. Levitt, et G. Stoltz, Phys. Rev. B 106, L161110 (2022).
[2] A. Castellano, R. Béjaud, P. Richard, O. Nadeau, C. Duval, G. Geneste, G. Antonius, J. Bouchet, A. Levitt, G. Stoltz, et F. Bottin, Machine learning assisted canonical sampling (MLACS) (2024), arXiv:2412.15370 [cond-mat.mtrl-sci].
[3] P. Richard, A. Castellano, R. Béjaud, L. Baguet, J. Bouchet, G. Geneste, et F. Bottin, Phys. Rev. Lett. 131, 206101 (2023).
[4] F. Bottin, R. Béjaud, B. Amadon, L. Baguet, M. Torrent, A. Castellano, et J. Bouchet, Phys. Rev. B 109, L060304 (2024).
[5] M. Domina, M. Cobelli, et S. Sanvito, Phys. Rev. B 105, 214439 (2022).
[6] M. Rinaldi, M. Mrovec, A. Bochkarev, Y. Lysogorskiy, et R. Drautz, npj Comput. Mater. 10, 12 (2024).
[7] S. Nikolov, et al., Proc. Natl. Acad. Sci. 121, e2408897121 (2024).
Conformément aux engagements pris par le CEA en faveur de l'intégration des personnes handicapées, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation pour l’inclusion des travailleurs handicapés.
Participant à la protection nationale, une enquête administrative est réalisée pour tous les collaborateurs du CEA afin d'assurer l'intégrité et la sécurité de la nation.

Entité de rattachement

La Direction des Applications Militaires (DAM) du CEA, au cœur des enjeux de la dissuasion nucléaire Française, cherche ses futurs talents. Organisme inclusif, le CEA est handi-accueillant : nos emplois sont ouverts à toutes et tous. Associer les forces et les compétences de chacun pour atteindre nos objectifs est l'une de nos valeurs partagée par nos 4 600 salariés, répartis sur 5 centres. Les 1 800 salariés du centre de Bruyères‑le‑Châtel, en Ile de France relèvent les défis scientifiques et technologiques au service de notre Sécurité Nationale. Le centre conçoit les charges nucléaires des armes de la dissuasion, garantit leur sécurité et leur fiabilité en s'appuyant sur le programme simulation. Il met son expertise technique au service des activités dans la lutte contre la prolifération nucléaire, le terrorisme et les alertes en cas de séisme ou de tsunami. Il assure l'ingénierie des infrastructures complexes de la DAM, de leur conception à leur démantèlement. Il co‑développe avec Atos les supercalculateurs au meilleur niveau mondial, dont sont issus ceux du Très Grand Centre de Calcul du CEA, qu'il exploite pour ses missions Défense et gère au profit de la recherche. Enfin, il exploite les installations nécessaires au maintien en condition opérationnelle et à la conception des chaufferies nucléaires embarquées sur les sous‑marins et les porte‑avions.

• 15 Avenue des Sablières, 33116 Le Barp Cedex