Le domaine scientifique abordé par ce projet postdoctoral se situe à l’intersection de la dynamique moléculaire ab initio, de l’apprentissage automatique et de la caractérisation thermodynamique des matériaux soumis à des conditions extrêmes. Les simulations AIMD traditionnelles constituent un outil puissant pour étudier les propriétés dépendantes de la température et de la pression à partir des premiers principes, mais leur coût computationnel élevé en limite l’utilisation à grande échelle.
En développant et en appliquant des techniques d’échantillonnage assistées par apprentissage automatique (MLACS), ce projet postdoctoral vise à réduire drastiquement la charge de calcul tout en conservant la précision ab initio. Cela permet une exploration efficace des diagrammes de phases et des énergies libres, y compris dans des conditions de pression et de température extrêmes. Cette recherche vise à contribuer à la compréhension et à la modélisation des matériaux, tout en offrant à la communauté scientifique des outils de rupture.