Doctorat (H/F) : développement de potentiels de qualité ab initio par IA pour des agrégats d'intérêt as

Sujet de thèse :
Ce projet s'inscrit dans le contexte général de la nécessité d'améliorer notre compréhension de la physique et de la chimie des (nano)-grains d'intérêt astrophysique grâce à la modélisation atomistique. A cet égard, il vise à fournir une description plus réaliste de ces grains en termes de taille, de composition chimique et de processus dynamiques d'intérêt astrophysique tels que la formation, la destruction et la réactivité à leur surface. Cet objectif sera atteint grâce à une méthodologie de pointe basée sur la dynamique moléculaire à potentiel profond.
Nous proposons ainsi de développer un potentiel basé sur des réseaux neuronaux profonds (Deep Neural Network Potential ; DNNP) qui peut traiter des systèmes de grande taille à un coût de calcul limité tout en conservant une qualité ab initio. Ces DNNP seront ensuite utilisés pour effectuer des simulations basées sur la dynamique moléculaire (MD) afin (i) d'explorer les paysages d'énergie potentielle des (nano)-grains d'intérêt astrophysique et (ii)- de quantifier les processus physiques et chimiques d'intérêt astrophysique subis par ces nano-grains ou se produisant à leur surface, avec une précision et des statistiques sans précédent. La prise en compte des effets nucléaires quantiques (NQEs) est rendue abordable par la méthodologie DPMD et est prévue dans le projet pour atteindre une plus grande précision via la méthode des intégrales de chemin.
Nous pourrions d'abord nous concentrer sur les clusters homogènes tels que (H2O)n, (CO)n et (CO2)n, avant d'aborder l'étude des clusters mixtes de différentes stœchiométries : (H2O)m(CO)n et (H2O)m(CO)n(CO2)p, car ils constituent des modèles intéressants pour les grains glacés. Les agrégats d'hydrocarbures aromatiques polycycliques, (PAH)n, seront également étudiés car ils sont de bons candidats pour les nanograins de carbone dans l'espace et l'atmosphère. Les clusters mixtes (PAH)m(H2O)n sont également intéressants pour rendre compte de la (photo)chimie dans les nuages moléculaires denses et dans l'atmosphère. Dans tous ces systèmes, une impureté (H+, OH-) sera incorporée en fonction des résultats expérimentaux disponibles. En ce qui concerne la réactivité, l'interaction de H avec les grains (CO)m(H2O)n sera particulièrement intéressante pour étudier la formation de HCO, précurseur présumé du méthanol CH3OH, à la surface de la glace.
Contexte :
Le doctorant sera accueilli dans l'équipe "Modélisation, Agrégats, Dynamique" du LCPQ à l'Université de Toulouse, Campus Paul Sabatier. L'équipe MAD est actuellement constituée de 4 chercheurs et 3 enseignants chercheurs, ainsi que de deux post-doctorants et de 3 doctorants. Le travail du doctorant consistera à utiliser des programmes de chimie quantiques, à faire de l'analyse de données, à écrire des scripts de traitements de données et éventuellement à contribuer à l'interfaçage de codes. De solides connaissances en chimie quantique et physico-chimie sont indispensables.