Post-doc h/f – machine learning et spectroscopie raman pour les matériaux

Vos missions en quelques mots Missions : Le ou la post-doctorant(e) aura pour mission principale de développer des outils prédictifs fondés sur l’apprentissage automatique pour l’analyse et l’interprétation de spectres vibrationnels Raman appliqués aux matériaux pour batteries. Activités : Les activités consisteront à concevoir et mettre en œuvre des modèles d’apprentissage automatique pour la prédiction, l’interprétation et l’analyse quantitative de spectres vibrationnels Raman, en établissant un lien explicite entre structure, environnement chimique local, propriétés électroniques et réponse spectroscopique. Une composante majeure du projet portera sur le couplage entre calculs DFT et modèles de machine learning afin d’accélérer la prédiction des spectres, d’identifier des tendances physico-chimiques robustes et d’extraire des descripteurs structuraux et électroniques pertinents alimentant les modèles. Une attention particulière sera accordée à la cohérence entre données théoriques et expérimentales, et le projet mènera à la construction d’une base de données structurée, alimentée par des calculs ab initio et enrichie par des approches d’apprentissage automatique. Contexte de travail : Ce poste s’inscrit dans le cadre du programme national PEPR Batteries. Le projet vise à développer des approches innovantes combinant modélisation ab initio, spectroscopie vibrationnelle Raman et apprentissage automatique pour l’étude des matériaux d’électrode et de leurs interfaces, avec une perspective de suivi operando de cellules complètes. Le poste est basé à l’Institut Charles Gerhardt Montpellier, au sein du département Chimie Physique Théorique & Modélisation, dans un environnement à l’interface entre modélisation, spectroscopie et science des matériaux pour l’énergie. Les travaux seront menés en collaboration étroite avec des expérimentateurs développant des méthodes avancées de spectroscopie Raman déportée (SORS). Profil recherché Competences : Les compétences requisent sont : -doctorat en chimie théorique, physique, science des matériaux ou domaine en rapport ; -solide maîtrise du machine learning (régression, réseaux de neurones) ; -expérience en modélisation des matériaux, en modélisation vibrationnelle et en méthodes DFT ; -bonne maîtrise de la programmation scientifique (Python) et du traitement de données; -capacité à travailler dans un environnement interdisciplinaire associant modélisateurs et expérimentateurs. Contraintes et risques : Niveau d'études minimum requis Niveau Niveau 8 Doctorat/diplômes équivalents Spécialisation Formations générales Langues Français Seuil