Stage - IA pour la science des materiaux dans le contexte de la Sustainability

BIOVIA propose une large gamme de produits et services destinés aux scientifiques, en les aidant à résoudre des problèmes quotidiens ainsi que des questions de recherche fondamentales.

Les processus industriels dans le monde entier dépendent d'une grande variété de matériaux dont les performances déterminent l'efficacité, la durabilité et la rentabilité du produit final. Choisir le matériau le plus adapté (par exemple, des structures poreuses, des catalyseurs, des polymères, des alliages, des composites…) est un problème complexe à critères multiples qui nécessite traditionnellement de nombreux tests en laboratoire.

Avec des milliers de structures candidates déjà répertoriées dans des bases de données publiques et privées, une approche purement expérimentale n'est plus faisable. Les avancées récentes en intelligence artificielle (IA) et en simulation à haut débit rendent possible le prédépistage de grandes bibliothèques de matériaux, la prédiction des indicateurs clés de performance et l'orientation des travaux expérimentaux vers les candidats les plus prometteurs.

Le produit Materials Studio est développé dans nos bureaux de Cambridge, au Royaume-Uni, par une équipe de scientifiques, dont beaucoup sont reconnus comme des experts dans des domaines tels que la mécanique quantique, la mécanique statistique et la science des polymères.

Ce stage sera effectué en France à Valbonne en collaboration avec notre équipe de simulation de matériaux basée à Cambridge au Royaume-Uni, dans un environnement constitué d'experts reconnus internationalement dans des domaines tels que la mécanique quantique, la mécanique statistique et la science des polymères.

Vos missions

Le but de ce stage est de développer un workflow de bout en bout piloté par l'IA qui relie l'extraction de connaissances, la génération de matériaux, la prédiction des propriétés et la planification expérimentale dans une boucle fermée « concevoir prévoir et valider » pour: 

1) Accélèrer la découverte de matériaux en réduisant le nombre d'expériences en laboratoire nécessaires, la plateforme raccourcit les cycles de développement et réduit les coûts.

2) Combler le fossé entre l'IA et le laboratoire : Donne un exemple concret de la façon dont les grands modèles de langage, les agents autonomes et les simulations à haut débit peuvent être combinés dans un cadre de R&D réel.

3) Optimiser à n'importe quelle classe de matériaux : Même si l'accent initial peut être mis sur les structures poreuses, l'architecture est générique et peut être réutilisée pour les catalyseurs, les polymères, les alliages, les composites, etc.

4) Créer un actif de connaissance réutilisable : La base de données organisée et le flux de travail piloté par l'IA deviennent des atouts à long terme pour le portefeuille de recherche plus large de l'organisation.