Dans le cadre d’un projet collaboratif impliquant plusieurs partenaires académiques, nous cherchons à recruter un(e) post-doctorant(e) pour participer au développement de modèles d’apprentissage automatique pour la prédiction de propriétés de polymères. L’objectif est de construire un modèle performant et interprétable à partir de descripteurs chimiques quantiques et de graphes moléculaires.
Le projet s’appuie sur une base de données soigneusement recueillie d’environ 200 structures moléculaires et vise à améliorer les prédictions du point de transition vitreuse (Tg), notamment via l'utilisation de Graph Neural Networks (GNN), en particulier via l’utilisation de la bibliothèque PyTorch Geometric.
Le ou la post-doctorant(e) aura pour principales missions de :
• Évaluer et comparer les approches classiques (SVR, Random Forests, Decision Trees) et les méthodes modernes d’apprentissage automatique pour la prédiction de propriétés chimiques ;
• Déployer et tester des modèles GNN existants (GCN, GAT, EGNN) sur les données moléculaires disponibles ;
• Expérimenter des stratégies de Transfer Learning, en s’appuyant sur de larges jeux de données publics (OGB, TUDataset) pour pré-entraîner les modèles ;
• Explorer et adapter des architectures GNN récentes (notamment le modèle G²N² développé par le LITIS) à la tâche ciblée ;
• Améliorer l’interprétabilité des modèles via des outils comme SHAP ou les visualisations internes au LITIS ;
• Implémenter, documenter et diffuser les modèles développés sur une plateforme en libre accès (GitHub).
• Doctorat en informatique, mathématiques appliquées ou disciplines connexes ;
• Bonnes connaissances en apprentissage automatique, avec une appétence particulière pour les graphes et les modèles d’apprentissage de représentation (GNN, CNN, etc.) ;
• Maîtrise de Python et de bibliothèques telles que PyTorch / PyTorch Geometric ;
• Intérêt pour les applications interdisciplinaires en chimie ou sciences des matériaux ;
• Autonomie, rigueur, esprit de synthèse, capacités de communication (travail en équipe interdisciplinaire).
Date de début : 1er septembre 2025
Contact : Sébastien Adam (sebastien.adam@univ-rouen.fr) et Benoit Gaüzère (benoit.gauzere@insa-rouen.fr)
Durée : 12 mois
Rémunération : Selon grille en vigueur (env. 2300 €)
sebastien.adam@univ-rouen.fr et benoit.gauzere@insa-rouen.fr
• CV détaillé (avec liste de publications)
• Références (au moins une)
Date limite de candidature : 15 mai 2025
Entretien courant mai/juin.