Characteriser les melanges H-He-H2O avec des calculs ab initio // Characterizing H-He-H2O mixtures with ab initio calculations

This PhD project focuses on first-principles simulations of hydrogen-helium (H/He) mixtures and their extensions to more complex planetary fluids under extreme pressure-temperature (P–T) conditions, such as those found in the interiors of Jupiter, Saturn, and Uranus. The overarching aim is to provide fundamental insights into H/He demixing, electronic transport properties, and trace element behavior, using a combination of density functional theory molecular dynamics (DFT-MD) and machine learning potentials (MLPs).
The research will begin by studying how hydrogen and helium behave in these extreme environments, especially how they may phase separate at different thermodynamic conditions. These processes are believed to play a key role in shaping the internal structure, magnetic fields, and long-term evolution of gas giants. The student will use powerful simulation tools to model this behavior, including recent machine learning techniques that help extend the range and speed of the calculations.
In a second phase, the focus will shift to investigating how trace elements like neon move through these mixtures. This part of the project will help clarify why some elements appear to be missing from the outer layers of planets like Jupiter—a long-standing question in planetary science.
Finally, the project will expand to include water in the mixtures, allowing the student to simulate more realistic planetary materials. These simulations will help predict how the presence of water changes key properties such as electrical conductivity and reflectivity—both important for understanding observations from space missions and telescopes.
Throughout the PhD, the student will gain experience with state-of-the-art computational tools and contribute to the broader understanding of the physical processes that govern giant planets. The results will support ongoing efforts to build more accurate models of planetary interiors and interpret data from current and future planetary exploration missions.
Interested candidates should send a motivation letter and a detailed CV including the email addresses of two references that can provide reference letters.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Ce projet de doctorat se concentre sur les simulations de premier principe des mélanges hydrogène-hélium (H/He) et leurs extensions à des fluides planétaires plus complexes dans des conditions de pression-température (P-T) extrêmes, telles que celles trouvées à l'intérieur de Jupiter, Saturne et Uranus. L'objectif principal est de fournir des informations fondamentales sur la démixtion H/He, les propriétés de transport électronique et le comportement des éléments traces, en utilisant une combinaison de dynamique moléculaire de la théorie de la fonctionnelle de la densité (DFT-MD) et de potentiels d'apprentissage automatique (MLP).
La recherche commencera par l'étude du comportement de l'hydrogène et de l'hélium dans ces environnements extrêmes, en particulier la façon dont ils peuvent se séparer en phase dans différentes conditions thermodynamiques. On pense que ces processus jouent un rôle clé dans l'élaboration de la structure interne, des champs magnétiques et de l'évolution à long terme des géantes gazeuses. L'étudiant utilisera des outils de simulation puissants pour modéliser ce comportement, y compris des techniques récentes d'apprentissage automatique qui permettent d'étendre la portée et la vitesse des calculs.
Dans une deuxième phase, l'accent sera mis sur l'étude de la manière dont les oligo-éléments tels que le néon se déplacent dans ces mélanges. Cette partie du projet permettra de comprendre pourquoi certains éléments semblent absents des couches extérieures de planètes comme Jupiter, une question qui se pose depuis longtemps dans le domaine des sciences planétaires.
Enfin, le projet sera élargi pour inclure de l'eau dans les mélanges, ce qui permettra à l'étudiant de simuler des matériaux planétaires plus réalistes. Ces simulations permettront de prédire comment la présence d'eau modifie des propriétés clés telles que la conductivité électrique et la réflectivité, toutes deux importantes pour comprendre les observations des missions spatiales et des télescopes.
Tout au long de son doctorat, l'étudiant acquerra de l'expérience avec des outils informatiques de pointe et contribuera à une meilleure compréhension des processus physiques qui régissent les planètes géantes. Les résultats soutiendront les efforts en cours pour construire des modèles plus précis des intérieurs planétaires et interpréter les données des missions d'exploration planétaire actuelles et futures.
Les candidats intéressés doivent envoyer une lettre de motivation et un CV détaillé comprenant les adresses électroniques de deux personnes pouvant fournir des lettres de référence.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/09/2025

Other public funding

ANR Financement d'Agences de financement de la recherche*

École polytechnique

626 Ecole Doctorale de l'Institut Polytechnique de Paris

Le candidat doit avoir une formation en physique/chimie des hautes pressions, en physique des plasmas, en science des matériaux ou en ingénierie. Une connaissance préalable de la théorie de la fonctionnelle de la densité et/ou des bases de la dynamique moléculaire est cruciale pour le projet. Nous apprécions particulièrement les candidats ayant une expérience dans la réalisation de simulations DFT-MD avec VASP ou Abinit ou de simulations MD avec LAMMPS dans un environnement HPC. Une connaissance supplémentaire des potentiels d'apprentissage automatique, des calculs d'énergie libre ou de la prédiction de structure est un plus. Le candidat doit avoir de l'expérience en programmation et en analyse de données (python, C/C++, ...). De solides compétences en matière de communication sont très appréciées. La personne qui sera recrutée doit savoir travailler en équipe, comme en autonomie. Le candidat doit savoir rédiger des documents et rendre des comptes. Une bonne maitrise de l'anglais est un plus.
The candidate should have a background in high-pressure physics/chemistry, plasma physics, material science or engineering. Prior knowledge of density functional theory and/or the basics of molecular dynamics is crucial for the project. We especially value candidates with experience in performing DFT-MD simulations with VASP or Abinit or MD simulations with LAMMPS in a HPC environment. Additional knowledge of machine learning potentials, free-energy calculations or structure prediction is a plus. The candidate should have experience with programming and data analysis (e.g. python, C/C++, ...). Strong communication skills are greatly appreciated. The person to be recruited must be able to work in a team, as well as independently. The candidate must be able to draft documents and report back. A good command of English is a plus.