En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)
Portail > Offres > Offre UMR5253-GUIMAU-017 - H/F Postdoc Modélisation des performances de MOFs pour la capture de molécules toxiques

H/F Postdoc Modélisation des performances de MOFs pour la capture de molécules toxiques

Cette offre est disponible dans les langues suivantes :
Français - Anglais

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler. Les informations de votre profil complètent celles associées à chaque candidature. Afin d’augmenter votre visibilité sur notre Portail Emploi et ainsi permettre aux recruteurs de consulter votre profil candidat, vous avez la possibilité de déposer votre CV dans notre CVThèque en un clic !

Faites connaître cette offre !

Informations générales

Référence : UMR5253-GUIMAU-017
Lieu de travail : MONTPELLIER
Date de publication : mercredi 13 mai 2020
Type de contrat : CDD Scientifique
Durée du contrat : 12 mois
Date d'embauche prévue : 1 septembre 2020
Quotité de travail : Temps complet
Rémunération : entre 2650 et 3940 € bruts mensuels selon expérience
Niveau d'études souhaité : Doctorat
Expérience souhaitée : Indifférent

Missions

Les matériaux hybrides poreux de type MOFs se relèvent être de bons candidats pour la capture et la dégradation d'argents chimiques de guerre comme le sarin, le soman ou le VX. Des études de criblage numérique ont permis d'identifier une série de solides présentant des performances optimales pour l'adsorption de ces molécules. Notre groupe a par example isoler un certain nombre de MOFs à base de Zr et de Ti qui présentent des affinités très élevées pour le sarin et le soman. L'objectif de ce projet est d'étudier par des approches computationnelles l'adsorption compétitive de ces agents chimiques avec d'autres molécules contaminantes comme l'eau et des hydrocarbures dans les MOFs précédemment sélectionnés. Au-delà une attention particulière sera portée à l'adsorption de mélanges d'agents chimiques de guerre et de leurs simulants. Ces simulations mettront en oeuvre dans un premier temps des simulations de type Monte Carlo puis la rationalisation de la base de données générées fera appel à des approches de type Machine Learning de façon à anticiper les caractéristiques optimales des MOFs pour l'application visée et ainsi guider les expérimentateurs vers la synthèse des matériaux les plus prometteurs. Cette approche sera ensuite étendue à des molécules toxiques industrielles.

Activités

- Simulations de type Monte Carlo pour prédire les performances d'adsorption des MOFs vis a vis des agents chimiques
- Application de méthodes de Machine Learning pour rationaliser et prédire des matériaux aux performances accrues

Compétences

Compétences dans le domaine de la modélisation moléculaire appliquée à la science des matériaux: Monte Carlo
Compétences dans le domaine du Machine Learning.

Contexte de travail

Les travaux seront réalisés au sein du groupe DAMP https://www.icgm.fr/damp en forte interaction avec de nombreux collaborateurs nationaux et internationaux experts dans le domaine de l'adsorption de gaz toxiques et la synthèse de nouveaux matériaux.

Contraintes et risques

peu de risques, position assise prolongée associée à l'utilisation d'ordinateurs.

On en parle sur Twitter !