En poursuivant votre navigation sur ce site, vous acceptez le dépôt de cookies dans votre navigateur. (En savoir plus)

Thèse : Apprentissage automatique de l'optimisation multi-objectifs des électrolytes H/F

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

Date Limite Candidature : mercredi 27 novembre 2024 23:59:00 heure de Paris

Assurez-vous que votre profil candidat soit correctement renseigné avant de postuler

Informations générales

Intitulé de l'offre : Thèse : Apprentissage automatique de l'optimisation multi-objectifs des électrolytes H/F
Référence : UMR7314-ANNCHA-029
Nombre de Postes : 1
Lieu de travail : AMIENS
Date de publication : mercredi 6 novembre 2024
Type de contrat : CDD Doctorant/Contrat doctoral
Durée du contrat : 36 mois
Date de début de la thèse : 1 février 2025
Quotité de travail : Temps complet
Rémunération : La rémunération est d'un minimum de 2135,00 € mensuel
Section(s) CN : Chimie physique, théorique et analytique

Description du sujet de thèse

Le projet est entièrement financé par le réseau européen de formation Marie Skłodowska-Curie intitulé « PREDICTOR ». Il sera réalisé par un doctorant au Laboratoire de Réactivité de Chimie des Solides -LRCS- (Unité mixte de recherche CNRS & Université de Picardie Jules Verne), à Amiens, en France sous la supervision du Prof. Alejandro A. Franco. Le LRCS est constitué de 140 chercheurs travaillant dans le domaine des batteries, avec environ 30 nationalités représentées. L'équipe du Prof. Dr. Franco est située au LRCS, et a une activité de recherche reconnue dans le domaine de la modélisation et de la numérisation des batteries.

Vous serez chargé.e 1) du développement d'algorithmes innovants de fusion de données combinant les informations provenant des multiples techniques de caractérisation utilisées dans PREDICTOR (par ex. cellules de conductivité, spectroscopie UV/VIS, spectroscopie RAMAN, spectroscopie d'impédance électrochimique, voltampérométrie cyclique) et des modèles physiques de traitement des électrolytes qu'il/elle développera, et de 2) développer et démontrer des modèles d'apprentissage automatique utilisant ces données fusionnées pour l'auto-optimisation des formulations d'électrolytes en ce qui concerne les propriétés cibles (par exemple, la conductivité et la viscosité).
Vous travaillerez avec des méthodologies avancées d'intelligence artificielle (IA) et d'apprentissage automatique, en utilisant le langage de programmation Python et les bibliothèques classiques d'IA. Vous effectuerez également des simulations informatiques (numériques) pour résoudre les modèles physiques décrivant le processus de fabrication de l'électrolyte. Ces simulations peuvent combiner la dynamique des fluides numérique et les approches cinétiques élémentaires.

Salaire brut mensuel : 3 048€

Contexte de travail

Vous aurez l'occasion de travailler au sein d'une équipe internationale et interdisciplinaire de 17 doctorants, basés dans des universités et des entreprises industrielles dans toute l'Europe. Vous serez soutenu(e) par deux encadrants au sein du projet PREDICTOR et aurez de multiples occasions de participer à des formations de développement professionnel et personnel. Votre travail vous permettra d'acquérir des compétences uniques à l'interface entre la modélisation et la simulation, l'expérimentation et la caractérisation à haut débit, l'auto-optimisation et la gestion des données à différentes échelles de longueur, du niveau nanométrique au niveau macroscopique.
Il est attendu de vous que vous souteniez votre thèse à la fin du projet et que vous diffusiez les résultats par le biais de brevets (le cas échéant), de publications dans des revues internationales et de présentations lors de conférences internationales.
Au LRCS et dans l'équipe du professeur Franco, vous trouverez un environnement scientifique d'excellence, avec des équipements et des moyens de calcul de pointe, dans une atmosphère hautement internationale et accueillante. Deux fois par an, le laboratoire organise des Journées scientifiques, un événement où tous les étudiants et le personnel du laboratoire présentent leurs activités de recherche, suivies de temps d’échange et de partage.
Compétences/expérience
- Vous devez avoir une solide expérience des méthodes d'intelligence artificielle (IA), y compris l'apprentissage automatique, et des méthodes de science des données dans leur ensemble. Une expérience du langage de programmation Python et des bibliothèques classiques d'IA est nécessaire. Vous devez également avoir des connaissances en modélisation informatique (par exemple, dynamique des fluides informatique, méthode Lattice Boltzmann) et en physico-chimie des électrolytes. Des connaissances et/ou une expérience dans le domaine des batteries ou des batteries à flux redox, ainsi que dans les méthodes de préparation des électrolytes pour ces technologies, seront également appréciées. Vous devez être ouvert d'esprit, très motivé, dynamique et posséder un excellent niveau d'anglais, tant à l'oral qu'à l'écrit.
Critère d’éligibilité
- Conformément aux règles de financement de l'Union européenne pour les réseaux doctoraux, vous ne devez pas encore être titulaire d'un doctorat.
- Vous ne devez pas avoir résidé ou exercé votre activité principale (travail, études, etc.) en France pendant plus de 12 mois au cours des 3 dernières années.
Mobilité
Vous vous rendrez au Fraunhofer ICT (laboratoire du Prof. Dr. Jens Noack) pendant 3 mois pour travailler sur les mesures d'électrolytes.



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.