Job offer

Overview

Organisation/Company Université du Littoral Côte d'Opale Research Field Mathematics Researcher Profile Recognised Researcher (R2) Leading Researcher (R4) First Stage Researcher (R1) Established Researcher (R3) Application Deadline 29 Mar 2026 - 22:00 (UTC) Country France Type of Contract Temporary Job Status Full-time Is the job funded through the EU Research Framework Programme? Not funded by a EU programme Is the Job related to staff position within a Research Infrastructure? No

Offer Description

Créer une méthodologie intégrée Machine Learning–expérimentation pour la conception ciblée de catalyseurs CO₂→méthanol, optimisée selon critères multi-objectifs (sélectivité, rendement, coût, durabilité). Le choix de la formulation catalytique est primordial. Il s'agit de prendre en compte les avantages/inconvénients de chaque famille de matériaux et d'orienter le choix du catalyseur en fonction des caractéristiques des effluents que l'on souhaite traiter. La détermination de la composition catalytique des matériaux sera assistée par une modélisation mathématique par apprentissage statistique des performances des catalyseurs par un doctorant qui sera engagé sur le projet de thèse. Plus précisément, cette thèse a pour objectif de développer un jumeau numérique basé sur des méthodes d'apprentissage statistique et de machine learning (ML). En exploitant des données expérimentales déjà acquises, il s'agira de modéliser la durée de vie des catalyseurs et d'identifier les mécanismes dominants de leur dégradation. L'approche visera à construire des modèles prédictifs robustes, capables de s'adapter à différentes conditions opératoires et de guider l'optimisation des procédés catalytques. Ce travail s'inscrit à l'interface entre la chimie, la modélisation des systèmes complexes et l'intelligence artificielle.

Début de la thèse : 01/05/2026

Funding category: Financement d'une collectivité locale ou territoriale

Date limite de candidature: 30 mars 2026

Master's degree (Master 2 or equivalent) in Applied Mathematics / Artificial Intelligence

Strong practical knowledge in signal processing is required, as well as proficiency in French and/or English (written and spoken).

Data & Computation:Use of real data obtained from catalysts studied within the Mrei1 project.Structured data storage (SQL or NoSQL databases).Management of computational workflows using tools such as ASE and FireWorks.

Machine Learning:Frameworks: PyTorch or TensorFlow.For graph neural networks: PyTorch Geometric or DGL.Classical tools: scikit-learn (Python machine learning library).For Gaussian processes: GPyTorch.

The work is expected to be disseminated through the writing of scientific articles and participation in scientific conferences.

Application deadline: March 30, 2026

Responsibilities

• Develop an integrated Machine-Learning–experiment methodology for the targeted design of CO₂-to-methanol catalysts, optimized according to multi-objective criteria (selectivity, yield, cost, sustainability).
• Account for the advantages and limitations of each family of catalytic materials and guide catalyst selection based on the characteristics of the effluents to be treated.
• Support the determination of catalytic compositions via mathematical modelling and statistical learning of catalyst performance, conducted by a PhD student recruited for the project.
• Develop a digital twin based on statistical learning and machine-learning (ML) methods; model catalyst lifetime and identify dominant degradation mechanisms using existing experimental data.
• Build robust predictive models capable of adapting to various operating conditions and guiding the optimization of catalytic processes.
• Collaborate at the interface between chemistry, complex-systems modelling, and artificial intelligence.
• Disseminate results through scientific articles and participation in conferences.