L'objectif du projet est de réaliser la synthèse de solides poreux de type Metal Organic Frameworks, d'évaluer leurs propriétés d'adsorption pour générer un jeu de données expérimentales de qualité afin d'établir des modèles prédictifs de type Intelligence Artificielle
Activités
- Synthèse et caractérisation avancée de solides poreux de type MOFs en collaboration avec des expérimentateurs pour l'étude des propriétés d'adsorption de gaz et des modélisateurs pour établir les modèles prédictifs d'intelligence artificielle.
- Mise au point de protocole de synthèse sur une plateforme de synthèse automatisée.
- Echange avec les partenaires du projet pour faciliter l'intégration des données expérimentales dans les outils numériques.
- Analyse des données et rédaction des rapports et des publications scientifiques ;
- Participation à des réunions internes (IMAP) et externes (entre partenaires académique du projet MOFLearning).
Compétences
Compétences en synthèse hydro/solvothermale et caractérisations avancées de MOFs (RX, adsorption de gaz).
Contexte de travail
Ce travail sera réalisé dans le cadre du projet national PEPR Diadem, axe MOFLearning (https://www.cnrs.fr/en/node/6848), en collaboration avec Dr. FX Coudert (CNRS, Paristech, PSL) pour la modélisation et des équipes du CEA Marcoule (Dr. D. Meyer et al). Le recrutement sera conditionné à la validation de la candidature par le fonctionnaire sécurité défense du CNRS.
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
Projet PEPR Diadem - Axe MOFslearning
Informations complémentaires
CDD 12 mois potentiellement renouvelable 1 fois
En cliquant sur "JE DÉPOSE MON CV", vous acceptez nos CGU et déclarez avoir pris connaissance de la politique de protection des données du site jobijoba.com.