Doctorant (H/F) en spectroscopie RMN et apprentissage automatique

Sujet de thèse :
Ces dernières années, le développement d’aimants RMN produisant des champs magnétiques d’intensité supérieure à 23 T pour lesquels la fréquence de Larmor des protons, ν0(1H), dépasse 1 GHz, a permis d’enregistrer des spectres RMN avec une résolution inégalée, permettant de distinguer des environnements chimiques proches dans les molécules ou les matériaux. Ce gain en résolution est particulièrement utile pour déterminer la structure à l’échelle atomique de macromolécules biologiques, telles que les protéines, ou de matériaux inorganiques et hybrides contenant des noyaux quadripolaires de spin I ≥ 1, tels que 27Al ou 17O. Cependant, un frein à l’utilisation de la spectroscopie RMN à ultra hauts champs est le coût élevé des aimants RMN capables de produire des champs magnétiques supérieurs à 23 T. Du fait de ce coût élevé, le nombre d’aimants RMN ultra-hauts champs est beaucoup plus faible que celui d’aimants à plus bas champ.
L’objectif de ce sujet de thèse est d’explorer comment les gains en résolution obtenus grâce aux spectromètres RMN à ultra-hauts champs peuvent être transférés vers des spectres enregistrés à plus bas champs grâce à l’utilisation d’outils basés sur l’apprentissage automatique (machine learning, deep learning). Cette approche nécessite d’entraîner des outils d’apprentissage automatique sur des jeux de données RMN simulés et expérimentaux obtenus à différents champs magnétiques allant de 9,4 à 28,2 T (soit 400 MHz ≤ ν0(1H) ≤ 1,2 GHz). Elle sera testée sur différents types d’échantillons, tels que des protéines ou des petites molécules en solution mais également des matériaux inorganiques et hybrides contenant des noyaux quadripolaires.
Contexte :
Ce projet est financé par l’initiative d’excellence de l’Université de Lille dans le cadre du projet interdisciplinaire IMMENSE. Le doctorat sera réalisé sous la direction d’Olivier Lafon à l’Université de Lille (https://uccs.univ-lille.fr/equipes-de-recherche/chimie-du-solide/rm2i et https://pro.univ-lille.fr/olivier-lafon). Ce projet bénéficiera de l'utilisation des spectromètres RMN à très hauts champs (800, 900 MHz et 1,2 GHz) de la plateforme de caractérisation avancée de l'Institut Chevreul.