Cea - Commissariat à l'Energie Atomique
Publiée il y a 24 jours · Bruyères-le-Châtel
Post-doctorat - Interaction spin-réseau par simulations ab initio et Machine Learning - H/F
- Bruyères-le-Châtel
Description du poste
Description du poste
Domaine
Matériaux, physique du solide
Contrat
Post-doctorat
Intitulé de l'offre
Post-doctorat - Interaction spin-réseau par simulations ab initio et Machine Learning - H/F
Sujet de stage
En science des matériaux, la dynamique moléculaire ab initio (AIMD) constitue un outil central pour l’étude des propriétés à température finie. Toutefois, ces simulations restent fortement limitées par leur coût de calcul élevé, principalement en raison du calcul des forces ab initio et du grand nombre d’étapes nécessaires pour échantillonner la surface d’énergie. Une solution envisagée consiste à remplacer les simulations AIMD par des simulations « classiques » utilisant des potentiels interatomiques issus de l’apprentissage automatique (MLIP).
Durée du contrat (en mois)
2 ans + 2 x 1an renouvelables
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
(i) accélérer les simulations ab initio, et
(ii) permettre le calcul des propriétés the
Annonce publiée sur Indeed et reprise par Intelligence Academy. Seule l'annonce d'origine fait foi ; nous ne sommes pas l'employeur.
Offres semblables
- Télétravail possible
Evaluate third-party tools, platforms, and emerging technologies relevant to data migration, data infrastructure, and AI-assisted workflows, including technical benchmarking and integration feasibility analysis, and build-versus-buy assessment Develop and apply quantitative models and analytical frameworks to assess m
Machine Learning Engineer Expert
AXA / France
- Paris
Job Description: Lead AI transformation at scale. Design & deploy production-grade GenAI solutions that drive business impact. Shape AI engineering practices, mentor teams, and partner with stakeholders to turn innovation into strategic value across a global organization. About the job As an AI Engineering Lead,
DATA SCIENTIST - Freelance
Collective.work
- Tremblay-en-France
- Freelance
Description du poste - Minimum de 5 ans d’expérience en tant que Data Scientist, avec une expertise avérée en prévision de séries temporelles. - Maîtrise du langage de programmation tels que Python ainsi que des outils de visualisation de données (Spotfire, Power BI, etc.). - Maîtrise des bibliothèques de machine learn
Consultant - Data Scientist MLOps H/F
Ividata Life Sciences
- Paris
...Vous avez un profil solide en Data Science et MLOps , une expertise confirmée en développement, industrialisation et maintenance d'algorithmes , et souhaitez intégrer une structure dynamique au cœur de l'innovation en Life Sciences ? Rejoignez-nous ! Poste basé à...