Informations générales
Entité de rattachement
Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.
Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.
Implanté au cœur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.
Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :
• La conscience des responsabilités
• La coopération
• La curiosité
Référence
2024-33192
Description de l'unité
Le DEC réalise la R&D sur le combustible des réacteurs nucléaires regroupant des compétences uniques en réalisation d'essais caractérisant le comportement du combustible en conditions normales ou accidentelles par des essais en laboratoires chauds ou plus intégrés dans des réacteurs de recherche, associés étroitement avec la simulation numérique par des modèles multiéchelles, multiphysiques et multifilières.
Les outils de calcul scientifique nécessaires à l'étude du comportement des combustibles sont développés au sein du Service d'Etudes et de Simulation du comportement des Combustibles (SESC) et capitalisés dans la plateforme numérique PLEIADES. Ces outils contiennent des lois et des modèles simplifiés permettant d'accéder à des temps de calcul raisonnables.
Le Laboratoire de Modélisation du Comportement des Combustibles (LM2C) a pour missions principales : d'apporter les éléments justifiant les simplifications utilisées dans les applications de PLEIADES ; d'intégrer l'approche multiéchelle des calculs atomistiques jusqu'à la représentation mésoscopique dans les calculs à l'échelle de la microstructure ; de simuler par des calculs de l'échelle atomique à l'échelle du grain les matériaux combustibles pour accéder à leurs propriétés ; de dimensionner les expériences analytiques et les interpréter en liaison avec les laboratoires réalisant les expérimentations ; de développer les approches thermochimiques nécessaires à la compréhension du comportement du combustible.
Description du poste
Domaine
Matériaux, physique du solide
Contrat
Post-doctorat
Intitulé de l'offre
Post-Doc : Applications d'IA générative au calcul des propriétés des combustibles nucléaires H/F
Sujet de stage
Développement d'outils d'apprentissage automatique de pointe pour étudier les propriétés de transport atomique dans les oxydes mixtes d'uranium-plutonium, un type de combustible nucléaire ayant des implications importantes pour l'efficacité du combustible nucléaire et la réduction des déchets.
Durée du contrat (en mois)
12
Description de l'offre
En intégrant nos équipes, vous mettrez vos compétences et votre enthousiasme au service de projets sociétaux majeurs.
Le machine learning (ML) est couramment utilisé en science des matériaux pour améliorer les capacités de prédiction des modèles physiques. Les potentiels interatomiques ML (PIML), entraînés sur des calculs de structure électronique, sont devenus des outils courants pour effectuer des simulations efficaces et physiquement précises.
Plus récemment, des modèles génératifs non supervisés sont explorés pour apprendre des distributions cachées d’une propriété donnée, et générer de nouvelles structures atomiques selon ces distributions.
Ce projet vise à combiner les PIML et les méthodes génératives pour étudier les propriétés de transport atomique dans les Oxydes Mixtes Uranium - Plutonium(MOX).
Vous utiliserez les outils ML génératifs développés par l'équipe pour générer des configurations atomiques représentatives et construire une base de données ab initio.
Ensuite, vous exploiterez cette base de données d’entraînement pour développer un nouveau PIML pour les MOX, en vous appuyant sur l’expérience acquise lors du développement de PIML pour les oxydes purs correspondants.
Enfin, vous appliquerez le PIML obtenu pour calculer les coefficients de diffusion atomique, qui sont des données cruciales pour prédire l’évolution de la microstructure sous irradiation et le comportement des combustibles MOX dans le réacteur.
Le travail sera réalisé au Département d’Études des Combustibles du CEA, dans un environnement scientifique présentant un haut niveau d’expertise en modélisation des matériaux, en étroite collaboration avec d’autres équipes du CEA en région parisienne expertes de méthodes ML.
Les résultats seront valorisés à travers des publications scientifiques et la participation à des congrès internationaux.
Moyens / Méthodes / Logiciels
Machine learning, potentiels interatomiques, LAMMPS
Profil du candidat
Vous disposez d'un Doctorat en physique/chimie du solide, science des matériaux, physique numérique...
Vous disposez d'une expérience en machine learning.
Une expérience en modélisation à l'échelle atomique est un atout supplémentaire.
Adressez-nous votre candidature pour rejoindre l'équipe et contribuer aux projets structurants et innovants du CEA !
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.
Localisation du poste
Site
Cadarache
Localisation du poste
France, Provence-Côte d'Azur, Bouches du Rhône (13)
Ville
Saint Paul Lez Durance
Demandeur
Disponibilité du poste
04/11/2024