Post-doctorat - Machine learning based MD for two temperature metals - H/F

CEA; Saclay; Sur place; EUR 30 000 - 45 000; Plein temps

Résumé du poste

Un institut de recherche en physique cherche un candidat pour un post-doctorat axé sur les potentiels d'apprentissage automatique pour des métaux à haute température électronique. Le candidat travaillera sur des simulations de dynamique moléculaire et collaborera avec des physiciens expérimentaux. Une expérience en programmation C++ et Python, ainsi qu'en physique des plasmas ou de la matière condensée, est requise. Ce poste est ouvert à tous, y compris aux personnes handicapées.

Prestations

Aménagements pour les travailleurs handicapés

Possibilités d'organisation flexibles

Qualifications

• Une solide formation en physique de la matière condensée ou de la physique des plasmas est requise.
• Une expérience avec des simulations de dynamique moléculaire est très souhaitable.
• De bonnes compétences en C++ et Python sont nécessaires.

Responsabilités

• Adapter des potentiels d'apprentissage automatique pour décrire des métaux à haute température électronique.
• Effectuer des simulations de dynamique moléculaire à grande échelle.
• Collaborer étroitement avec des physiciens expérimentaux.

Connaissances

Physique de la matière condensée ou physique des plasmas

Simulation de dynamique moléculaire

Langages de programmation (C++, Python)

Formation

Doctorat en physique

Outils

Code DFT Abinit

Code MD ExaStamp

Description du poste

Post-doctorat - Machine learning based MD for two temperature metals - H/F

Contrat

Post-doctorat

The advent of femtosecond lasers has shed new light on non-equilibrium physics. The rapid energy absorption by electrons and their subsequent energy transfer to the lattice results in non-equilibrium states of matter, initiating a new class of non-thermal processes from ambient solids to extreme conditions of temperature and pressure. The dynamic interplay between electrons and the atomic structure is the central issue driving ultrafast phase transitions. However, the time scale of phase transitions and the microscopic mechanism driving melting are still not well understood. Classical molecular dynamics is well-suited to address this question, but classical potentials are limited in their ability to describe phenomena induced by electronic structure. DFT-based molecular dynamics could overcome this limitation, but it cannot reach the number of atoms necessary to provide a realistic picture. Machine learning potentials fitted on DFT simulations can bridge this gap. Since a decade Machine Learning Interatomic Potential (MLIP) has proven unprecedented capacities in reproducing DFT reference data for very diverse configurations These potentials rely on defining atomic descriptor that encode the local geometrical environment and then learn the relation between the descriptor and the reference DFT data (energy or atomic forces). This function could be as simple as a linear function or as complex as a multilayer perceptron. As the interation potential between atoms depend on their electronic temperature we propose to learn and incorporate this dependance directly into the MLIP. Then, the Two-Temperature Model, where the diffusion equation for the electronic temperature is solved on a grid and the ionic motion is solved using MD will be employed to investigate out-of-equilibrium effects on the melting dynamics. In particular large scale MD will be used to simulate the melting of a full gold target (few tens of nm length) under laser absorption.
The first task for the candidate will be to locate or adapt existing machine learning potentials in the literature to accurately describe metals at high electronic temperatures. This potential will then be fitted on DFT-based simulations and used on simple systems. Then, large-scale molecular dynamics simulations will be conducted on HPC using the molecular dynamics code ExaSTAMP to investigate the time history of a metallic foil illuminated by a femtosecond laser. Throughout the post-doctoral position, the candidate will work in close collaboration with experimental physicists.
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.

The ideal candidate will have a robust background in either condensed matter physics or plasma physics. Additionally, experience with molecular dynamics simulation is highly desirable. Good skill in programming languages such as C++ and Python is also required.
DFT based MD code Abinit, Classical MD code ExaStamp.
Post-doctorat