Thèse Matériaux Thermoélectriques par Méthodes Numériques et Ml H/F

CNRS

Le projet vise la découverte de nouveaux matériaux thermoélectriques à l'aide de méthodes de science des données et d'apprentissage automatique appliquées aux matériaux, à partir de données expérimentales expertisées issues de la littérature et de bases de données publiques (notamment Starrydata2). Les travaux comprendront la mise en oeuvre de modèles d'apprentissage automatique (réseaux de neurones, forêts aléatoires, SISSO), des approches génératives pour la prédiction de structures cristallines, l'utilisation de potentiels interatomiques basés sur le ML, ainsi que des stratégies d'apprentissage actif pour l'identification de matériaux à fort rendement thermoélectrique (facteur de mérite ZT).
Contexte de travail
Thèse en co-tutelle internationale : le doctorant ou la doctorante effectuera 18 mois à Montpellier (encadrant : Pr. Philippe Jund) et 18 mois à Louvain-la-Neuve (encadrant : Pr. Gian-Marco Rignanese).

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.