Stage 6 mois

Stage 6 mois - Ingénieur.e - Modélisation atomistique accélérée par IA en chimie des solutions H/F Entité de rattachement Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat. Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s’engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l’Europe pour un présent et un avenir mieux maîtrisés et plus sûrs. Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d’un large éventail de partenaires académiques et industriels en France, en Europe et à l’international. Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales : La conscience des responsabilités La coopération La curiosité Référence 2025-37919 Description du poste Le laboratoire LM2T du CEA‑Saclay contribue au développement des énergies décarbonées et à l’économie circulaire en utilisant le calcul HPC pour modéliser la thermodynamique des matériaux. Les solutions aqueuses d’acide nitrique sont au cœur de problématiques scientifiques comme la chimie de la pollution atmosphérique et la corrosion des conteneurs métalliques dans les usines de retraitement des combustibles nucléaires. Leurs propriétés thermodynamiques, à commencer par la spéciation, sont encore partiellement inconnues. La modélisation atomistique permet d’obtenir des informations non accessibles par l’expérimentation. Son utilisation pour une phase liquide requiert à la fois la mécanique quantique (DFT) pour une description précise de la liaison chimique, et la physique statistique pour l’aspect désordonné de l’état liquide. Or ces deux ingrédients‑clés sont essentiellement incompatibles dans une approche de résolution numérique en raison des très grandes ressources de calcul nécessaires. L’intelligence artificielle (IA) est en train de changer cette situation en permettant d’atteindre la précision de la mécanique quantique avec les moyens de calcul utilisés pour des simulations en mécanique classique, c’est‑à‑dire plus petits de plusieurs ordres de grandeur. Ce projet vise à évaluer l’adéquation du calcul DFT accéléré par IA pour l’étude thermodynamique des solutions aqueuses d’acide nitrique. En collaboration avec un ingénieur, votre travail consistera à construire un potentiel interatomique par apprentissage machine (MLP “machine‑learned potential”) et à le caractériser en termes de stabilité et de polyvalence. Les programmes utilisés seront CASTEP (DFT, AIMD et PIMD), GAP_FIT (générateur de potentiel), QUIP et LAMMPS (dynamique moléculaire classique en potentiels paramétrisés) ainsi que HYBRID‑MD (accélérateur de DM pour des codes DFT). Vous aurez à faire un peu de développement de codes, pour lequel des connaissances en Python, C++, Fortran et MPI seront utiles. Ce stage mettra à profit vos compétences en thermodynamique statistique, en mathématiques appliquées, en programmation et en communication écrite et orale. Prolongation en thèse sujette à l’obtention d’un financement. Vous bénéficierez d’une indemnité de stage et divers avantages du CEA (cantine, transport,…). Profil du candidat Master 2 ou grande école d’ingénieur, spécialisation en physique ou chimie, science des matériaux. #J-18808-Ljbffr