Post-doctorat : Apprentissage par renforcement pour accélérer le développement de catalyseurs (H / F / X) (CDD 18 mois)

Contexte et environnement

Pour notre département R&D situé à Feluy, nous recherchons un.e jeune chercheur.se talentueux.se pour accélérer le développement des méthodes de modélisation des catalyseurs grâce à l’intelligence artificielle. La personne sélectionnée travaillera en étroite collaboration avec le département Polymère.

Les catalyseurs sont des matériaux clés dans les processus industriels chimiques. Ils jouent un rôle indispensable dans les procédés de production actuels de produits chimiques à valeur ajoutée, que ce soit des combustibles fossiles ou bien des carburants durables (c’est-à-dire le CO2 et la biomasse).

La synthèse et les tests expérimentaux de nouveaux catalyseurs sont des processus très coûteux en temps. Afin d’accélérer la conception de catalyseurs performants et durables, nous avons développé une approche permettant de prédire numériquement leurs performances en combinant la simulation moléculaire (DFT) et les données expérimentales.

La combinatoire des candidats potentiels est très importante, plus de 10^30 possibilités. Pour explorer cet espace, l’apprentissage par renforcement (RL) est une méthode efficace. En interagissant avec l’environnement et en recevant des retours sous forme de récompenses, le RL peut identifier les options les plus prometteuses sans réaliser de recherches exhaustives.

L’objectif de ce post-doctorat est de développer une méthode RL pour accélérer l’identification de nouveaux catalyseurs. Le chercheur post-doctoral sera à la tête de ce projet de 18 mois en coordination avec l’équipe projet.

Activités

• Recherche : Réaliser le projet de recherche, depuis de la revue de l’état de l’art, la conception de la méthodologie et sa mise en œuvre, jusqu’au rapport final.
• Communication : Assurer la communication scientifique en interne et en externe, par écrit ou lors de présentations.
• Collaboration :   Travailler dans un environnement interdisciplinaire impliquant la chimie computationnelle, l’apprentissage machine, les simulations numériques et la chimie expérimentale.

Profil du candidat

Informations supplémentaires

TotalEnergies valorise la diversité, promeut le développement individuel et offre des opportunités d'emploi égales à tous les candidats.