Missions

Maintenir et faire évoluer des codes de simulation de combustion et les documenter
Participation au développement de potentiels machine learning sur deepMD et VASP

Activités

L’ingénieur d’étude sera chargé de reprendre des codes de simulation de combustion développés en Python, d’en assurer le nettoyage, la structuration et l’optimisation afin d’améliorer leur robustesse et leurs performances. Il contribuera également au développement de potentiels réactifs Al–O basés sur des approches de machine learning cela inclura l’entraînement des modèles et leur validation.

Compétences

Compétences opérationnelles :
• Connaissances approfondies système LINUX et PYTHON
• Connaissances approfondies des algorithmes d'apprentissage via réseaux de neurones profonds
• Rédiger et mettre à jour des documentations fonctionnelle et technique
Autres:
• Langue anglaise : B2 (cadre européen commun de référence pour les langues)
• Maîtriser les outils de communication moderne : chat, visio …
• Sens de la communication et travail en équipe

Contexte de travail

Ces travaux se dérouleront au LAAS dans l'équipe Matériaux Réactifs et de Stockage, au sein du Département Energie du LAAS-CNRS, Toulouse, France. Vous rejoindrez une petite équipe scientifique conviviale et travaillerez au plus près des chercheurs et chercheuses dans un environnement scientifique international. 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.

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.

Contraintes et risques

Aucun