Apprentissage jobs in France
Post-doctorat - Interaction spin-réseau par simulations ab initio et Machine Learning - H / F
CEA
Assistant Administratif/de Direction/RH Alternance / Apprentissage H/F
Athena Business School
Discover more opportunities than anywhere else. Find more jobs nowAPPRENTISSAGE Vendeur / Vendeuse en chaussures (H/F)
France Travail
Conseiller(ère) en Assurance - Clientèle Privée & PME en Suisse (Formation possible)
AFAC Sàrl
Connect with headhunters to apply for similar jobsDirecteur Administratif et Financier - F/H
CASP
Agent de médiathèque - Conservatoire Quincy Jones (H/F)
Communauté urbaine Grand Paris Seine & Oise
Esthéticien(ne) en alternance - BTS Esthétique Alternance / Apprentissage H/F
CMA FORMATION VAL PARISIS 95
Assistant Manager Business Unit - Alternance F / H
Derichebourg Multiservices
Accompagnant Educatif et Social apprentissage H/F
Domino RH
Gestion Commerciale et Opérations en Alternance H / F
L’ÉCOLE FRANÇAISE
Bénévolat : Cours de Français pour Adultes Apprentissage et/ou Perfectionnement
Tous Bénévoles
Technicien d'usinage en alternance (on vous apprend le métier !)H/F
GEIQ Industrie Auvergne
Ambassadeur Commercial - extra-job week-end - Pau
Edgard & Cooper
Post-doctorat - Interaction spin-réseau par simulations ab initio et Machine Learning - H / F
Job summary
Un institut de recherche scientifique en Île-de-France recherche un post-doctorant pour améliorer les simulations ab initio et étudier les propriétés thermodynamiques des matériaux magnétiques en utilisant la méthode MLACS. Le candidat doit avoir un doctorat et des connaissances sur les matériaux magnétiques ainsi que sur les méthodes de machine learning.
Qualifications
- Expérience en simulation ab initio.
- Connaissances en matériaux magnétiques.
- Capacité à utiliser des méthodes de machine learning.
Responsibilities
- Accélérer les simulations ab initio.
- Calculer les propriétés thermodynamiques des matériaux magnétiques.
Education
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.
Cependant, les matériaux magnétiques ne sont pas encore pris en charge. En particulier, l’intégration du degré de liberté de spin dans l’ajustement du potentiel MLIP [5, 6], ainsi que l’interaction entre spin et réseau, ne sont actuellement pas disponibles, alors que ces effets sont essentiels pour comprendre la stabilité des phases.
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 [7]) 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.
Post-doctorat
* The salary benchmark is based on the target salaries of market leaders in their relevant sectors. It is intended to serve as a guide to help Premium Members assess open positions and to help in salary negotiations. The salary benchmark is not provided directly by the company, which could be significantly higher or lower.