Stage Bac+5 Simulation Multi-Échelle H/F - CEA

Le CEA est un acteur majeur de la recherche, au service des citoyens, de l'économie et de l'Etat.

Il apporte des solutions concrètes à leurs besoins dans quatre domaines principaux : transition énergétique, transition numérique, technologies pour la médecine du futur, défense et sécurité sur un socle de recherche fondamentale. Le CEA s'engage depuis plus de 75 ans au service de la souveraineté scientifique, technologique et industrielle de la France et de l'Europe pour un présent et un avenir mieux maîtrisés et plus sûrs.

Implanté au coeur des territoires équipés de très grandes infrastructures de recherche, le CEA dispose d'un large éventail de partenaires académiques et industriels en France, en Europe et à l'international.

Les 20 000 collaboratrices et collaborateurs du CEA partagent trois valeurs fondamentales :

- La conscience des responsabilités
- La coopération
- La curiosité

Missions :

Graphite is the reference negative-electrode material in Li-ion batteries, but its lithiation involves complex phase transitions and staging. Quantitative phase-field models require the underlying free-energy density as an input. This internship aims to compute that free-energy landscape from first principles and transfer it to continuum electrode models, with the longer-term objective of improving the prediction of fast-charging behaviour. Your project will be to build or adapt a machine-learning interatomic potential for lithiated graphite using density-functional-theory (DFT) reference calculations; sample lithiation and phase transitions using Grand-Canonical Monte Carlo coupled to molecular dynamics, including biased sampling when needed; reconstruct quantitative free-energy profiles for one or several staging transitions; and connect the atomistic results to phase-field modelling and compare with electrochemical and advanced-characterisation data. CV and cover letter to be sent to: ****@****.**

Diplôme préparé : Bac +5 - Diplôme Ecole d'ingénieurs

Compétences scientifiques : atomistic simulations, statistical physics, Density Functional Theory, Molecular Dynamics, Monte Carlo, machine learning, phase field simulations