Contexte

La simulation numérique aidée par l'intelligence artificielle occupe une place croissante dans l'étude des combustibles nucléaires, dont le comportement doit être prédit en fonctionnement normal comme en situation accidentelle. Certains d'entre eux, comme les oxydes mixtes d'uranium et de plutonium (MOX) ou les alliages uranium-molybdène (U-Mo), sont chimiquement désordonnés, c'est-à-dire que leurs éléments sont répartis de façon aléatoire dans le cristal.

Le calcul de leurs propriétés à l'échelle atomique complète les mesures expérimentales, mais il se heurte au très grand nombre d'arrangements possibles des atomes sur le réseau cristallin. La méthode d'IA générative PULSE (1,2) aide à contourner cette difficulté grâce à un modèle qui génère un petit nombre de configurations représentatives, dont elle déduit les propriétés thermodynamiques du matériau. Elle place toutefois chaque atome exactement sur un site du cristal, alors que l'agitation thermique et les différences de taille entre éléments l'en écartent. Décrire ces déplacements suppose notamment de représenter l'environnement de chaque atome sous une forme exploitable par le modèle, à l'aide de « descripteurs atomiques ». Ces descripteurs traduisent les positions cartésiennes des atomes et les relations chimiques et géométriques entre eux en vecteurs traitables par les réseaux de neurones.

Objectifs du stage

Le/la stagiaire participera aux travaux visant à étendre la méthode PULSE à la description des déplacements atomiques dans le MOX et les alliages U-Mo. Ils porteront en priorité sur la comparaison de descripteurs atomiques existants, appliqués à ces combustibles et à des systèmes modèles, en vue de proposer des pistes d'intégration dans PULSE.

Les missions 

• Générer par dynamique moléculaire, à différentes températures, des configurations atomiques de ces systèmes, et analyser les déplacements des atomes autour de leurs positions d'équilibre.
• Tester en priorité plusieurs descripteurs atomiques existants, notamment leur sensibilité aux petits déplacements et la possibilité de reconstruire les positions atomiques à partir de ces descripteurs.
• Proposer différentes manières d'intégrer ces descripteurs dans PULSE et, le cas échéant, en tester certaines sur un système modèle.

Compétences à acquérir

• Méthodes de simulation à l'échelle atomique et d'apprentissage automatique appliquées aux matériaux.
• Connaissances en physique statistique et en physique des matériaux pour l'énergie nucléaire.
• Démarche scientifique, de l'étude bibliographique à l'analyse critique des résultats.
• Programmation scientifique en Python au sein d'une équipe de recherche.

Ce stage permettra de participer à la recherche à l'interface entre la physique des matériaux nucléaires et l'IA, et d'acquérir des compétences en simulation atomistique, en physique statistique et en apprentissage automatique.

(1) Karcz et al., Sci. Rep. 16, 14568 (2026)

(2) Bernard et al., arxiv:2605.28594

Candidat·e en dernière année d'Ecole d'Ingénieur, Master 2 ou fin d'études en mathématiques appliquées, physique numérique, science des matériaux ou physique/chimie du solide, avec un intérêt pour l'intelligence artificielle, la modélisation atomistique et les simulations numériques.

Des compétences en programmation scientifique (Python), en physique statistique et une appétence pour les méthodes d'intelligence artificielle seront appréciées.

Pourquoi Intégrer le CEA ?

- Donner du sens à votre carrière en travaillant au service des grands enjeux sociétaux de demain.

- Avoir des perspectives de carrière avec plus de 60 familles de métier, des formations...

- Nos avantages : RTT, réseau de ligne de bus sur certains centres (gratuit), restauration collective, CSE…

Conformément aux engagements pris par le CEA en faveur de l’intégration des personnes en situation d’handicap, cet emploi est ouvert à toutes et à tous. Le CEA propose des aménagements et/ou des possibilités d'organisation.