Post-doc h/f en chimie théorique pour la prédiction d’hydrures supraconducteurs par machine learning et calculs dft

Recruté/e au CNRS, le/la chercheur/se post-doctoral/e aura pour mission de contribuer au développement de méthodologies avancées de prédiction de structures cristallines (CSP) à partir de leur seule composition chimique et de modélisation atomistique de matériaux.


Activités

Les principales activités comprendront :

- la formulation de nouveaux descripteurs de la température critique (Tc) intégrant des effets de fluctuation électronique, évalués par DFT conceptuelle (fonction de réponse linéaire, fonctions de Fukui) ou théorie QTAIM (indice de délocalisation), et leur validation sur un ensemble de composés connus de la littérature
- l’interfaçage d’un code MLIP (Machine-Learned Interatomic Potentials) pour des composés ternaires à composition variable avec des algorithmes d’optimisation de structures cristallines (évolutionnaires, aléatoires, etc.) ;
- l’application de la méthodologie CSP DFT/MLIP à diverses problématiques de recherche en chimie (projet ANR TcPredictor) et à l’étude de matériaux sous pression, notamment les hydrures supraconducteurs ; la mise en œuvre d’une approche multi-objective Tc-énergie pour optimiser les hydrures ternaires et autres matériaux ;
- le calcul des structures électroniques des configurations générées in silico ainsi que de leurs propriétés thermodynamiques, dynamiques (phonons), mécaniques, et la réalisation de simulations de dynamique moléculaire DFT/MLIP ;
- l’analyse et l’exploitation des résultats, ainsi que la rédaction de rapports d’activité, de publications scientifiques et la présentation des résultats lors de conférences et groupes de travail ;
- l’installation, maintenance et suivi des codes de calcul sur les plateformes GENCI et le cluster local ; l’implémentation en Python d’outils d’automatisation des calculs CSP/DFT ;
- la participation à l’animation scientifique du groupe de Chimie Quantique Appliquée (IC2MP) et du consortium ANR (projet TcPredictor) ;
- l’encadrement d’étudiants en stage de recherche.


Compétences

- Doctorat en chimie théorique appliquée aux matériaux, en physique des matériaux, ou en informatique / mathématiques appliquées ;
- Solide expérience en DFT appliquée aux systèmes périodiques (codes tels que CASTEP, VASP, Quantum ESPRESSO, xtb, etc.) et dans les approches de type Machine-Learned Potentials (MLIP) ;
- Excellente maîtrise des langages de programmation Python (et idéalement C++ ou Fortran) ainsi que de l’environnement Unix/Linux ;
- Bonne maîtrise de l’anglais scientifique, à l’écrit comme à l’oral (niveau certifié).


Contexte de travail

Les travaux seront réalisés au CNRS – Institut de Chimie des Milieux et Matériaux de Poitiers (IC2MP, UMR CNRS 7285), au sein du groupe de Chimie Quantique Appliquée de l’équipe Catalyse et Milieux Non-Conventionnels (https://ic2mp.labo.univ-poitiers.fr/)

Les travaux seront réalisés au CNRS – Institut de Chimie des Milieux et Matériaux de Poitiers (IC2MP, UMR CNRS 7285), au sein du groupe de Chimie Quantique Appliquée de l’équipe Catalyse et Milieux Non-Conventionnels (https://ic2mp.labo.univ-poitiers.fr/)


Contraintes et risques

Missions ponctuelles en France et/ou à l'étranger possibles.

Missions ponctuelles en France et/ou à l'étranger possibles.