Post doctorat (H/F) "Apprentissage automatique pour la catalyse par les métaux d et f"

Description du Poste

Les Missions

Dans le cadre du projet MAD-CAT (financement NanoX, 18 mois), la personne recrutée développera des stratégies d’apprentissage automatique pour l’optimisation et la découverte de catalyseurs à base de métaux d et f, en vue d’une (dé)polymérisation “durable”. Elle transformera le patrimoine de calculs DFT accumulé par l’équipe MPC (plusieurs centaines d’intermédiaires réactionnels et d’états de transition) en une base de données nettoyée et ouverte, puis l’exploitera pour entraîner des potentiels interatomiques équivariants (MACE) et des modèles de substitution interprétables. Ces outils seront appliqués à la réduction du CO2 et à la polymérisation stéréosélective.

L'Activité

• Extraire, curer et homogénéiser les données DFT (géométries, énergies, forces) de complexes de métaux d et f, et constituer une base de données ouverte et documentée
• Réaliser des calculs DFT complémentaires (augmentation de données par géométries perturbées, raffinement à la volée)
• Affiner un potentiel interatomique équivariant MACE et mettre en place une boucle d’apprentissage actif
• Coupler ce potentiel à la méthode AFIR et à des techniques automatiques de recherche d’états de transition (NEB) pour explorer des réseaux réactionnels complets
• Développer des modèles de substitution en régime de faibles données, fondés sur des descripteurs physico-chimiques et interprétés par xAI (SHAP)
• Contribuer à la conception inverse de ligands et de catalyseurs (VAE couplé à un réseau de neurones)
• Appliquer ces outils à la réduction du CO2 et à la polymérisation stéréosélective (insertions successives, contrôle de la tacticité)
• Valoriser les résultats : publications, communications, diffusion des codes et jeux de données en accès ouvert (plateforme pyPhysChem, zenodo, ...)
• Participer à la vie de l’équipe et, ponctuellement, au co-encadrement de doctorants et de stagiaires

Votre Profil

Compétences

• Doctorat en chimie théorique ou computationnelle, science des matériaux computationnelle ou domaine proche
• Expertise prioritaire : potentiels interatomiques par apprentissage automatique (MACE ou autres potentiels équivariants) et/ou méthode AFIR
• Solide maîtrise de la DFT et de l’étude de mécanismes réactionnels ; une expérience de la chimie des métaux de transition, des lanthanides ou des actinides est un atout
• Maîtrise de Python et des outils d’apprentissage automatique scientifique (PyTorch, modèles génératifs, descripteurs chimiques)
• Pratique du calcul haute performance (CPU/GPU)
• Autonomie, goût du travail en équipe et du dialogue avec les expérimentateurs
• Bonne communication scientifique, écrite et orale, en anglais

Votre Environnement de Travail

The position is based at the Laboratoire de Physique et Chimie des Nano-Objets (LPCNO, UMR 5215 INSA Toulouse - CNRS - Université de Toulouse), on the INSA Toulouse campus. LPCNO carries out multidisciplinary research on nano-objects, from their synthesis to their physical and chemical properties, within five teams: Physical and Chemical Modelling, Nanomagnetism, Nanostructures and Organometallic Chemistry, Nanotech, and Quantum Optoelectronics.
The recruited researcher will join the Physical and Chemical Modelling team (MPC), under the supervision of Profs. Laurent Maron and Romuald Poteau. The team models and analyses molecular systems, materials, complex media and nanomaterials. Its common foundation is strong expertise in DFT electronic-structure calculations, complemented by molecular dynamics, force-field optimisation and GW calculations. It addresses electronic structure, thermodynamic stability, kinetics and spectroscopic properties in a coherent way, in close collaboration with experimental groups; this theory-experiment link is at the heart of its identity. The team has recognised expertise in reaction mechanisms and d- and f-metal complexes (about 600 publications).
Artificial intelligence applied to chemistry is now a strategic focus of the team: property prediction, classification, in silico design and experimental data analysis, with an almost systematic use of explainable AI (xAI). The team develops the open-source pyPhysChem platform and co-supervises several PhD projects at the chemistry-data science interface. It benefits from about 2 million CPU/GPU hours per year at the CALMIP regional supercomputing centre.

Contraintes et risques

Aucune contrainte ni risque particulier.

Rémunération et avantages

Rémunération

entre 3041,58 € à 3467,33 € selon expérience

Congés et RTT annuels

44 jours

Pratique et Indemnisation du TT

Pratique et indemnisation du TT

Transport

Prise en charge à 75% du coût et forfait mobilité durable jusqu’à 300€

À propos de l’offre

À propos du CNRS

Le CNRS est un acteur majeur de la recherche fondamentale à une échelle mondiale. Le CNRS est le seul organisme français actif dans tous les domaines scientifiques. Sa position unique de multi-spécialiste lui permet d’associer les différentes disciplines pour affronter les défis les plus importants du monde contemporain, en lien avec les acteurs du changement.

Le CNRS

Les métiers de la recherche