LM2C - Évaluation de potentiels interatomiques machine-learning ‘universels’ pour la simulation de combustibles nucléaires

Évaluer la faisabilité et les performances de l’utilisation et/ou du fine-tuning du modèle GRACE pour des simulations atomistiques de matériaux nucléaires (UO2, (U,Si), (U,Mo)).

• Étude de l’architecture/données d’entraînement de GRACE et implémentation pour la DM.
• Simulations/tests des modèles existants: propriétés clés (énergies de défauts, conductivité thermique, constantes élastiques) et comparaison aux données expérimentales/empiriques.
• Affinage du modèle (si nécessaire) par ajout de données ab initio/expérimentales. Contexte: CEA Cadarache (IRESNE), LM2C. Outils: LAMMPS (DM), VASP/ABINIT (DFT), AbTEM; collaborations internes/externes. Profil: Master 2 (physique de l’état solide, ingénierie nucléaire).