Post-doctorant- projet REVGEOIA : Développement d'algorithme d'intelligence artificielle pour l'optimisa
Université de Limoges (ouvre un nouvel onglet) — Université de Limoges
Localisation
Haute Vienne (87), France (87)
Niveau d'études
Niveau 8 Doctorat/diplômes équivalents
Expérience
Débutant
Publication
20 octobre 2026
Date limite
19 novembre 2026
Domaine
Recherche
Secteur
Recherche & Innovation
Missions principales
Les géopolymères ont montré un véritable potentiel pour différentes applications hyperfréquences. Ce projet vise le développement d’algorithme d’intelligence artificielle pour l’optimisation de la formulation d’un revêtement de type géopolymère pour les antennes, consolidé à froid, résistant dans des conditions drastiques avec des propriétés diélectriques maitrisées et ceci en exploitant les données expérimentales de synthèse et de caractérisation de ces matériaux. Ce projet vise à allier les données expérimentales et l’intelligence artificielle (IA) pour l’optimisation de la formulation d’un revêtement géopolymère pour les antennes. En effet, l’établissement de corrélation entre les différents paramètres d’entrée (composition chimique, conditions de synthèse…) et les propriétés du matériau final est un défi majeur pour le choix de la formulation du revêtement. Aujourd’hui, l’IA permet de combiner et d'analyser de grandes quantités de données, offrant une meilleure compréhension des relations entre les variables et une identification des tendances et des modèles à privilégier. Dans ce projet, un algorithme d’IA sera développé afin de permettre la formulation et la prédiction des propriétés des revêtements en fonction des données expérimentales.
Missions principales.
Le développement de l’algorithme englobe : le prétraitement des données, la sélection des variables, l’entraînement du modèle de Machine Learning (GAN, DNN, Opt. Bayésienne), la validation du modèle et enfin l’utilisation du modèle. Les modèles obtenus peuvent ensuite être utilisés pour prédire les meilleures conditions de synthèse permettant d’optimiser les propriétés diélectriques ciblées. Des cartes tridimensionnelles descripteurs-propriétés seront ainsi produites et qui permettront une meilleure maitrise de la synthèse et des procédés associés.
Compétences attendues
Les géopolymères ont montré un véritable potentiel pour différentes applications hyperfréquences. Ce projet vise le développement d’algorithme d’intelligence artificielle pour l’optimisation de la formulation d’un revêtement de type géopolymère pour les antennes, consolidé à froid, résistant dans des conditions drastiques avec des propriétés diélectriques maitrisées et ceci en exploitant les données expérimentales de synthèse et de caractérisation de ces matériaux. Ce projet vise à allier les données expérimentales et l’intelligence artificielle (IA) pour l’optimisation de la formulation d’un revêtement géopolymère pour les antennes. En effet, l’établissement de corrélation entre les différents paramètres d’entrée (composition chimique, conditions de synthèse…) et les propriétés du matériau final est un défi majeur pour le choix de la formulation du revêtement. Aujourd’hui, l’IA permet de combiner et d'analyser de grandes quantités de données, offrant une meilleure compréhension des relations entre les variables et une identification des tendances et des modèles à privilégier. Dans ce projet, un algorithme d’IA sera développé afin de permettre la formulation et la prédiction des propriétés des revêtements en fonction des données expérimentales.Missions principales.Le développement de l’algorithme englobe : le prétraitement des données, la sélection des variables, l’entraînement du modèle de Machine Learning (GAN, DNN, Opt. Bayésienne), la validation du modèle et enfin l’utilisation du modèle. Les modèles obtenus peuvent ensuite être utilisés pour prédire les meilleures conditions de synthèse permettant d’optimiser les propriétés diélectriques ciblées. Des cartes tridimensionnelles descripteurs-propriétés seront ainsi produites et qui permettront une meilleure maitrise de la synthèse et des procédés associés.
Profil attendu
Savoirs :
Le (la) candidat(e), titulaire d’un diplôme de doctorat devra avoir des connaissances approfondies en IA, machine learning, deep learning et traitement de données. Des connaissances en science des matériaux et en chimie constituent un atout considérable.
Dans le cadre du décret n° 2021-1450, le candidat doit avoir obtenu un diplôme de doctorat au plus tard trois ans avant le début du contrat
Toute candidature transmise sans diplôme/attestation de réussite ou attestation indiquant la date de soutenance à venir sera considérée irrecevable.
Savoirs Faire :
Structurer et analyser des données expérimentales.
Développer et entraîner des modèles de Machine Learning (DNN, GAN, optimisation bayésienne).
Mettre en place des stratégies de validation et d’évaluation des modèles.
Savoirs Etre :
Rigueur et curiosité scientifique
Autonomie et proactivité dans la conduite des travaux
Esprit collaboratif
Conditions d'exercice
Travail en interaction avec un doctorant pour consolider la base de données et confronter les prédictions aux résultats de synthèse et de caractérisation.
Informations complémentaires
Dans le cadre du décret n° 2021-1450, le candidat doit avoir obtenu un diplôme de doctorat au plus tard trois ans avant le début du contrat
Toute candidature transmise sans diplôme/attestation de réussite ou attestation indiquant la date de soutenance à venir sera considérée irrecevable.
Métier de référence
Chercheuse / Chercheur
Comprendre ce poste
Ce poste de post-doctorant s'inscrit dans le projet REVGEOIA, qui vise à concevoir un revêtement géopolymère destiné aux antennes, à partir de données expérimentales de synthèse et de caractérisation. La personne recrutée développe des algorithmes d'intelligence artificielle capables de relier la composition chimique et les conditions d'élaboration aux propriétés diélectriques du matériau final. Au quotidien, le travail combine modélisation, traitement de jeux de données issus du laboratoire et échanges avec les chimistes et spécialistes des matériaux. Il contribue à la recherche publique sur des matériaux destinés à des applications hyperfréquences exigeantes.
Le recrutement dans ce cadre
Le poste est un emploi de catégorie A ouvert exclusivement aux contractuels, la fonction publique d'État ne proposant pas ici de concours. Le candidat doit avoir soutenu son doctorat au plus tard trois ans avant la prise de fonction, en application du décret n° 2021-1450. Un contrat post-doctoral de ce type est par nature temporaire et ne débouche pas directement sur un poste titulaire ; les trajectoires ultérieures passent généralement par d'autres contrats de recherche ou par les concours de la recherche.
Conseils pour candidater
- Mettre en avant des réalisations concrètes en machine learning ou deep learning appliquées à des données scientifiques, avec le détail des jeux de données, des modèles et des résultats obtenus.
- Démontrer une connaissance, même partielle, de la science des matériaux ou de la chimie, par exemple à travers des publications, des collaborations pluridisciplinaires ou des projets de thèse à l'interface.
- Joindre dès le dépôt l'attestation de soutenance ou le diplôme de doctorat, une candidature sans justificatif étant jugée irrecevable.
Éclairage rédigé par PostePublic pour contextualiser cette offre.
Réf. 2026-2445582Fonction publique d'État