Stage BAC+5 Simulation multi-échelle H/F

CEA; Grenoble; On-site; EUR 10,000 - 13,000; Part time

Job summary

CEA recherche un stagiaire pour développer un potentiel d’interaction ML du graphite lithié à partir de calculs DFT de référence, et explorer les transitions de phase par Monte Carlo grand-canonique couplé à des dynamiques moléculaires.

Le candidat prépare un diplôme Bac+5 en école d’ingénieurs et travaillera sur Grenoble, en collaboration avec les équipes de modélisation et d’expérimentation, jusqu’au 01/02/2027.

Qualifications

• Diplôme préparé : Bac+5 – Diplôme Ecole d’ingénieurs
• Compétences scientifiques : atomistic simulations, statistical physics, Density Functional Theory, Molecular Dynamics, Monte Carlo, machine learning, phase field simulations
• Localisation du poste: Grenoble, Isère (38), France

Responsibilities

• Concevoir ou adapter une potentiel d’interaction en ML pour graphite lithié à partir de calculs DFT de référence.
• Explorer lithiation et transitions de phase via Grand-Canonical Monte Carlo couplé à des MD, avec échantillonnage biaisé si nécessaire.
• Reconstituer des profils d’énergie libre pour des transitions de staging et les connecter à des modèles de phase‑field.
• Comparer les résultats atomistiques avec des données électrochimiques et de caractérisation avancée.

Skills

Atomistic sims

DFT

Molecular Dynamics

Monte Carlo

Machine learning

Phase-field sims

Education

Bac+5 ingénieurs

Job description

Missions:

Graphite is the reference negative-electrode material in Li-ion batteries, but its lithiation involves complex phase transitions and staging. Quantitative phase-field models require the underlying free-energy density as an input. This internship aims to compute that free-energy landscape from first principles and transfer it to continuum electrode models, with the longer-term objective of improving the prediction of fast-charging behaviour. Your project will be to build or adapt a machine-learning interatomic potential for lithiated graphite using density-functional-theory (DFT) reference calculations; sample lithiation and phase transitions using Grand-Canonical Monte Carlo coupled to molecular dynamics, including biased sampling when needed; reconstruct quantitative free-energy profiles for one or several staging transitions; and connect the atomistic results to phase-field modelling and compare with electrochemical and advanced-characterisation data.

Profil du candidat

Diplôme préparé : Bac+5 – Diplôme Ecole d’ingénieurs

Compétences scientifiques : atomistic simulations, statistical physics, Density Functional Theory, Molecular Dynamics, Monte Carlo, machine learning, phase field simulations

Localisation du poste

• Grenoble


• France, Auvergne-Rhône-Alpes, Isère (38)


• Ville Grenoble

Critères candidat

Diplôme préparé : Bac+5 - Diplôme École d'ingénieurs

Demandeur

Disponibilité du poste : 01/02/2027