Modélisation atomistique et par apprentissage automatique de la combustion de l’aluminium

Missions :
La manière dont l’aluminium réagit avec une atmosphère oxydante présente un intérêt majeur pour de nombreuses applications actuelles, notamment les propergols, les matériaux énergétiques au sens large et la production cyclable d’énergie verte. Nous recherchons un chercheur postdoctoral fortement motivé pour travailler sur la modélisation du système Al-O à haute température.

Le candidat prendra en charge des calculs DFT et AIMD (dynamique moléculaire ab initio) afin de compléter l’ensemble des données déjà disponibles au sein de notre groupe et de répondre, au niveau le plus fondamental, à des questions spécifiques portant sur les mécanismes de ces systèmes. Il développera ensuite des potentiels d’apprentissage automatique, MLP (Machine Learning Potentials), à l’aide de techniques standards, notamment de procédures d’apprentissage actif.

Le projet comporte plusieurs objectifs scientifiques :

(i) Établir/consolider un potentiel interatomique fondé sur l’apprentissage automatique dédié au système Al-O dans la gamme de températures correspondant à l’aluminium liquide ;

(ii) Étudier la thermochimie de la nucléation et de la croissance des oxydes au sein de l’aluminium liquide ;

(iii) Étudier l’interaction des agrégats d’alumine avec des gouttelettes d’aluminium liquide.

Activités :
Calculs DFT
outils ad hoc machine learning
dynamique moléculaire
Contexte de travail :
Position ouverte au LAAS CNRS à Toulouse, au sein de l'équipe MRS, département "Gestion de l'Energie"