Prédiction des propriétés des matériaux par apprentissage automatique à partir de données structurales et chimiques (F/H)

Contexte 

En tant que leader mondial de la fabrication de pneumatiques, Michelin accorde une grande importance à l'innovation. Les avancées continues dans la synthèse chimique et la caractérisation des matériaux sont confrontées aux exigences et opportunités du marché en constante évolution, que ce soit dans le domaine des matériaux caoutchouteux ou au-delà. Comprendre le lien entre la formulation des matériaux et leurs propriétés macroscopiques est essentiel pour relever ces défis. 

Les systèmes complexes de matière molle se situent à la frontière de nos connaissances et de notre capacité à modéliser et prédire le comportement macroscopique des matériaux. Les méthodes d'apprentissage automatique (“Machine Learning”) nous fournissent des outils pour combler le fossé entre les modèles théoriques, pertinents pour les systèmes idéaux, et les matériaux du monde réel, caractérisés par des informations partielles et hétérogènes sur la structure chimique de leurs composants. 

Mission et objectifs 

Recherche bibliographique - L'aspect clé de cette approche est la capacité à gérer des formulations de matériaux arbitraires avec des informations à la fois partielles et hétérogènes. Le stagiaire réalisera une revue approfondie de la littérature sur les technologies des grands modèles de langage (LLM), telles que l'attention et l'embedding, et leurs applications au-delà du traitement du langage naturel.  

Implémentation d’un modèle – On réalisera une implémentation d’un modèle générique permettant, après avoir défini un cas d'utilisation bien circonscrit pour réaliser une preuve de concept, de tester les modèles de l’état de l'art concernant la sérialisation des structures chimiques pour obtenir une description adéquate des systèmes d'intérêt. 

Compétences requises:

• Solides compétences en programmation (Python), avec une connaissance de PyTorch/TensorFlow 

• Un état d'esprit compatible avec les exigences des mondes académiques et industriels 

• Connaissance de l’apprentissage automatique des réseaux de neurones, aussi bien sur le plan théorique que pratique 

Date de début: 1er Mars 2025 

Date de fin : 31 Aout 2025 

Les dates de début et de fin du stage peuvent être déplacées si besoin.