Paul Scherrer Institut (PSI)
Villigen PSI
Il y a 11 heures
Doctorant en apprentissage automatique de la structure électronique pour les matériaux
- 23 mai 2026
- 100%
- Stage
- Villigen PSI
Résumé de l'emploi
L'Institut Paul Scherrer (PSI) est le plus grand institut de recherche en Suisse. Rejoignez une équipe innovante et dynamique, dédiée à la recherche en sciences naturelles et ingénierie.
Tâches
- Développer des modèles d'apprentissage automatique pour la structure électronique.
- Générer des ensembles de données de haute qualité pour l'apprentissage.
- Valider les performances prédictives des modèles sur des propriétés avancées.
Compétences
- Master en physique, science des matériaux ou domaine connexe requis.
- Expérience en théorie des fonctions de densité (DFT) souhaitée.
- Compétences en Python pour l'analyse scientifique nécessaires.
Est-ce utile ?
À propos de cette offre
L’Institut Paul Scherrer PSI est le plus grand institut de recherche en sciences naturelles et en sciences de l’ingénieur en Suisse. Nous menons des recherches de pointe dans les domaines des technologies futures, de l’énergie et du climat, de l’innovation en santé et des fondements de la nature. En réalisant des recherches fondamentales et appliquées, nous travaillons sur des solutions durables aux grands défis auxquels sont confrontés la société, la science et l’économie. Le PSI s’engage dans la formation des futures générations. Ainsi, environ un quart de notre personnel est composé de post-doctorants, doctorants ou apprentis. Au total, le PSI emploie 2300 personnes.
Ce projet de doctorat fait partie du nouveau projet suisse « Learning the electrons: Design, training and application of a general model of the electronic structure of matter », qui vise à développer des modèles d’apprentissage automatique de nouvelle génération pour la théorie de la structure électronique. S’appuyant sur les avancées récentes des potentiels interatomiques appris par machine et des simulations de structure électronique, le projet cherche à créer des modèles transférables et évolutifs capables de prédire non seulement les énergies et forces, mais aussi des propriétés électroniques avancées des matériaux avec une grande précision et efficacité.
Le projet combine des développements en apprentissage automatique, simulations quantiques et infrastructure logicielle scientifique, et est dirigé conjointement par le Dr Giovanni Pizzi du PSI et le Prof. Dr Michele Ceriotti de l’EPFL. L’objectif est de développer et d’appliquer des approches d’apprentissage automatique fournissant une représentation explicite de la structure électronique des matériaux, permettant la prédiction de propriétés électroniques avancées au-delà des potentiels interatomiques standards. S’appuyant sur des méthodes de structure électronique à la pointe et des architectures ML modernes, le projet étudiera la conception, la formation et la validation de modèles électroniques ML transférables à travers une large gamme de systèmes matériels, incluant des approches basées sur des modèles fondamentaux transférables pour les matériaux et des architectures ML à grande échelle applicables à l’ensemble du tableau périodique.
Pour le groupe Logiciels et Données Matériaux au Laboratoire de Simulations de Matériaux du Centre PSI pour le Calcul Scientifique, la Théorie et les Données, nous recherchons un
Vos tâches
- Contribuer au co-développement de modèles e-ML transférables, en étudiant l’interaction entre la conception du modèle, les stratégies d’entraînement, l’efficacité computationnelle, la transférabilité et la précision prédictive sur une large gamme de systèmes matériels
- Générer et organiser des ensembles de données de structure électronique de haute qualité en utilisant des workflows automatisés et reproductibles basés sur AiiDA pour l’entraînement et le benchmarking des modèles
- Valider et évaluer la performance prédictive des modèles pour des propriétés avancées des matériaux au-delà des structures de bandes standard et des densités de charge, incluant le couplage électron-phonon et des opérateurs et observables liés aux phases de Berry et autres grandeurs de structure électronique
- Explorer le développement de modèles fondamentaux transférables pour les matériaux applicables à l’ensemble du tableau périodique
- Contribuer au développement de logiciels open-source robustes, réutilisables et efficaces ainsi que de workflows, intégrant des cadres d’apprentissage automatique avec des codes de structure électronique établis
Votre profil
Nous recherchons un candidat très motivé avec une formation en science des matériaux computationnelle ou en physique de la matière condensée, et un vif intérêt pour le développement et l’application de méthodes de simulation avancées ainsi que leur implémentation dans des workflows. Vous avez de l’expérience en travail autonome mais appréciez également de travailler dans un environnement interdisciplinaire et collaboratif et êtes désireux de combiner développement méthodologique et applications scientifiques concrètes. Nous ne nous attendons pas à ce que les candidats soient experts dans toutes les techniques au début du doctorat ; la formation et l’apprentissage feront partie intégrante du projet.
Les exigences pour les candidats incluent :
- Master (ou proche de l’achèvement) en physique, science des matériaux, chimie, ingénierie ou domaine étroitement lié
- Expérience pratique de l’utilisation de la théorie de la fonctionnelle de la densité (DFT) pour la recherche ou des projets, et/ou expérience dans le développement de modèles d’apprentissage automatique appliqués aux matériaux
- Connaissance opérationnelle de Python pour le calcul scientifique et l’analyse de données
- À l’aise pour communiquer des idées et résultats de recherche en anglais, à l’écrit comme à l’oral
- Intérêt pour les simulations quantiques, les modèles modernes d’apprentissage automatique, le développement de nouvelles méthodes computationnelles et/ou la modélisation des matériaux
Nous sommes convaincus que notre équipe de recherche fonctionne au mieux lorsqu’elle est la plus diversifiée possible, et nous encourageons particulièrement les candidatures des membres de groupes sous-représentés.
Nous offrons
Notre institution repose sur une collaboration interdisciplinaire, innovante et dynamique. Vous bénéficierez d’une formation systématique sur le terrain, en plus de possibilités de développement personnel et de notre culture prononcée de formation professionnelle. Si vous souhaitez concilier au mieux travail, vie familiale ou autres intérêts personnels, nous pouvons vous soutenir grâce à nos conditions d’emploi modernes et à l’infrastructure sur site.
Pour plus d’informations, veuillez contacter le Dr Giovanni Pizzi, e-mail giovanni.pizzi@psi.ch.
Veuillez soumettre votre candidature en ligne avant le 21 juin 2026 incluant une lettre de motivation d’une page résumant votre intérêt pour le poste et comment votre parcours vous prépare à ce rôle, votre CV, relevé de notes et coordonnées de deux référents pour le poste de doctorant en apprentissage automatique de la structure électronique pour les matériaux (Index-Nr. 7301-28526).
Institut Paul Scherrer, Gestion des Ressources Humaines, Serdal Varol, 5232 Villigen PSI, Suisse
