Poste de doctorant

Méthodes d'IA pour les algorithmes quantiques en chimie

• Concevoir des méthodes d'IA qui assistent dans la sélection, le contrôle et l'évaluation des algorithmes quantiques pour des problèmes de chimie quantique (structure électronique, profils d'énergie de réaction, propriétés spectrales en catalyse et environnements complexes).
• Intégrer des modèles d'IA dans des flux de travail hybrides quantique-classique pour identifier les sous-problèmes adaptés au traitement quantique, configurer des simulations quantiques réalistes et analyser les résultats.
• Exploiter des modèles fondamentaux de chimie comme extracteurs de caractéristiques et a priori pour encoder les molécules, conformères et conditions de réaction en représentations de haute qualité pour les composants ML en aval interfacés avec des algorithmes quantiques.
• Étudier trois stratégies clés d'IA pour le quantique :
  1. Choix basés sur l'apprentissage des espaces actifs et de l'inclusion dans des schémas multiréférentiels ou basés sur des fragments (assignation de parties d'un système aux ressources quantiques).
  2. Construction et adaptation basées sur les données de circuits pour la diagonalisation quantique variationnelle et par échantillonnage (ex. SQD, SqDRIFT) sur du matériel bruité.
  3. Initialisation des paramètres assistée par ML et post-traitement pour accélérer la convergence et l'échantillonnage.
• Générer et organiser des données d'entraînement synthétiques issues de calculs validés de chimie quantique et de simulations de circuits pour pallier la rareté des données en chimie.
• Évaluer rigoureusement par rapport aux références établies en chimie quantique et analyser l'évolutivité et la robustesse.

• Éligibilité à l'inscription en doctorat : un master (ou équivalent) en informatique, génie électrique, physique, chimie, mathématiques appliquées ou domaine étroitement lié.
• Expérience pratique en informatique quantique (ex. Qiskit ou autres SDK) : conception/optimisation de circuits ; exécution sur simulateurs et/ou dispositifs réels.
• Connaissances fondamentales en IA/ML (optimisation, entraînement de modèles, régularisation, métriques) et pratique démontrable de l'application du ML à des problèmes scientifiques ou d'ingénierie.
• Compétences solides en Python et bonnes pratiques logicielles (Linux, git/GitHub, tests, reproductibilité).
• Familiarité avec l'orchestration d'expériences, les conteneurs et CI/CD.
• Communication claire en anglais et style de travail structuré et collaboratif.

• Solide formation en développement d'algorithmes et algèbre linéaire.
• Expérience avec les méthodes de structure électronique (ex. DFT, MP2/CC, approches multiréférentielles, inclusion) ou spectroscopie moléculaire.
• Exposition aux algorithmes quantiques variationnels et par échantillonnage (ex. VQE, SQD) et optimisation de circuits sensibles au bruit.
• Expérience avec les modèles fondamentaux de chimie, réseaux de neurones graphiques ou transformeurs pour les représentations moléculaires/de réactions.

• Lieu : IBM Research Europe - Zurich, Suisse ; visites de recherche à la TU/e selon besoin.
• Durée : typiquement 4 ans.
• Supervision : co-supervision par des chercheurs des équipes IA et Quantique d'IBM Research Europe - Zurich et de la TU/e.

Liens en pied de page