En utilisant ce site, vous acceptez que les cookies soient utilisés à des fins d'analyse et de pertinence     Oui, j'accepte  Non, je souhaite en savoir plus

Pendant cette période de confinement, l’INSTN maintient autant que possible les formations prévues dans les semaines à venir en distanciel ou en présentiel pour les enseignements pratiques. Pour nous contacter, veuillez privilégier le mail. Protocole sanitaire

Sujets de thèse
Filtrer par critères

DRF : Sujet de thèse SL-DRF-21-0544

DOMAINE DE RECHERCHE
Physique du solide, surfaces et interfaces / Physique de l’état condensé, chimie et nanosciences
INTITULÉ DU SUJET Français English

Structure et propriétés spectroscopiques de matériaux d'oxydes par Machine Learning

RÉSUMÉ DU SUJET

L’objectif de cette thèse est de développer des approches de type Machine Learning (ML) pour la modélisation structurale et spectroscopique (RMN, RAMAN) de matrices oxydes (céramiques, verres aluminoborosilicatés représentatifs de verres nucléaires simplifiés) et leurs interactions avec l’eau. Les spectres RMN et RAMAN et les mécanismes d’interaction avec H2O peuvent être calculés à l’aide de la DFT mais pour des systèmes de quelques centaines d’atomes simulés sur des temps courts (~100ps) seulement. Ces études sont de plus difficiles avec des champs de force classiques mêmes les plus récents (polarisables, ions déformables) car la paramétrisation est complexe, la transférabilité à de larges domaines de composition est limitée, et le calcul des spectres RMN et Raman n’est possible que pour des systèmes très simples. D’autre part, il n’existe pas aujourd’hui de champs de force classiques capables de représenter les interactions verres aluminoborosilicatés – solution aqueuse avec une précision « ab initio ».

Pour répondre à cet enjeu scientifique majeur et dépasser ces limites tout en conservant la précision et la transférabilité des calculs ab-initio, les approches récentes basées sur le Machine Learning (dites libres de paramètres) représentent une voie prometteuse. Il est proposé ici de développer des champs de force de type ML ou hybrides (i.e., adossés à des champs de force classiques) pour modéliser des verres d’oxydes de complexité croissante, avec pour objectifs de simuler leurs spectres RMN et Raman pour offrir une confrontation avancée avec l’expérience, et d’étudier leurs interactions avec l’eau dans la perspective d’alimenter un modèle Monte Carlo du comportement à l’altération des verres en cours de développement par ailleurs.

FORMATION NIVEAU MASTER RECOMMANDÉ

Matière condensée, simulation numérique, machine learning

INFORMATIONS PRATIQUES
Institut rayonnement et matière de Saclay
Service Nanosciences et Innovation pour les Materiaux, la Biomédecine et l’Energie
Laboratoire Structure et Dynamique par Résonance Magnétique (LCF)
Centre : Saclay
Date souhaitée pour le début de la thèse : 01/10/2021
PERSONNE À CONTACTER PAR LE CANDIDAT

Thibault CHARPENTIER  

CEA
DRF/IRAMIS/NIMBE/LSDRM
Laboratoire de Structure et dynamique par Résonance Magnétique
DRF/IRAMIS/NIMBE/LSDRM
CEA Saclay - Bât.125
F-91191 Gif-sur-Yvette Cedex France

Téléphone : 33169082356

UNIVERSITÉ / ÉCOLE DOCTORALE
Paris-Saclay
Sciences Chimiques: Molécules, Matériaux, Instrumentation et Biosystèmes (2MIB)
DIRECTEUR DE THÈSE

Thibault CHARPENTIER

CEA
DRF/IRAMIS/NIMBE/LSDRM
Laboratoire de Structure et dynamique par Résonance Magnétique
DRF/IRAMIS/NIMBE/LSDRM
CEA Saclay - Bât.125
F-91191 Gif-sur-Yvette Cedex France