Poste de postdoctorant (H/F) en apprentissage automatique pour la découverte de matériaux therm[...]

CNRS; Montpellier; Sur place; EUR 20 000 - 40 000; Plein temps

Résumé du poste

Un organisme de recherche scientifique recherché un postdoctorant pour le développement de solutions en apprentissage automatique sur les matériaux thermoélectriques. Le candidat idéal aura un doctorat, solide expérience en Python et ML, et une bonne connaissance des propriétés de transport des matériaux. Ce poste de 24 mois est basé à Montpellier, avec une rémunération à partir de 3021,50€ brut par mois.

Qualifications

• Expérience souhaitée de 1 à 4 années.
• Solides connaissances en informatique et en science des matériaux.

Responsabilités

• Identifier des caractéristiques pertinentes pour prédire le ZT thermoélectrique.
• Améliorer le jeu de données expérimental existant.
• Appliquer des techniques d'apprentissage automatique pour identifier des matériaux performants.
• Proposer de nouvelles méthodes d'apprentissage automatique.
• Réaliser des calculs DFT pour prédire des performances.

Connaissances

Apprentissage automatique

Python

Science des matériaux

DFT

Visualisation

Formation

Doctorat

Description du poste

Poste de postdoctorant (H/F) en apprentissage automatique pour la découverte de matériaux thermoélectriques

Cette offre est disponible dans les langues suivantes :
Date Limite Candidature : dimanche 14 décembre 2025 23:59:00 heure de Paris
Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler

Informations générales

• Intitulé de l'offre : Poste de postdoctorant (H/F) en apprentissage automatique pour la découverte de matériaux thermoélectriques
• Référence : UMR5253-PHIJUN-001
• Nombre de Postes : 1
• Lieu de travail : MONTPELLIER
• Date de publication : dimanche 23 novembre 2025
• Type de contrat : Chercheur en contrat CDD
• Durée du contrat : 24 mois
• Date d'embauche prévue : 15 décembre 2025
• Quotité de travail : Complet
• Rémunération : à partir de 3021,50€ brut par mois selon l'expérience
• Niveau d'études souhaité : Doctorat
• Expérience souhaitée : 1 à 4 années
• Section(s) CN : 13 - Chimie physique, théorique et analytique

Missions

1. Identifier des caractéristiques (« features ») pertinentes à l’aide d’une procédure de filtrage des caractéristiques afin de traiter le grand nombre de variables nécessaires à la prédiction du ZT thermoélectrique d’un matériau.
2. Améliorer le jeu de données expérimental déjà existant.
3. Appliquer différentes techniques d’apprentissage automatique (RF, XGBoost, réseaux de neurones, SISSO) pour examiner toutes les compositions possibles de la famille des demi-Heusler afin d’identifier des matériaux à ZT élevé.
4. Proposer de nouvelles méthodes d’apprentissage automatique.
5. Réaliser des calculs DFT afin de calculer les ZT prédits à partir de calculs ab initio (premiers principes).

Activités

• Simulations numériques : apprentissage automatique (ML) + DFT
• Programmation / scripts (Python)
• Analyse des résultats et rédaction de publications scientifiques

Compétences

• De solides connaissances en informatique (apprentissage automatique, DFT, Python, visualisation)
• De solides connaissances en science des matériaux (propriétés de transport, cristallographie, propriétés électroniques)

Contexte de travail

• Le poste s’inscrit dans un projet ANR-DFG, combinant des travaux théoriques et expérimentaux.
• Le travail se déroulera au sein du département de chimie théorique (D5) de l’ICG à Montpellier.
• 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.