LUE - Une approche multiniveau pour des simulations avancées de solvants eutectiques profon

Offre de thèse

Date limite de candidature

30-04-2025

Date de début de contrat

01-10-2025

Directeur de thèse

INGROSSO Francesca

Encadrement

Coencadrant dans l'institution partenaire : Dr. Giacomo PRAMPOLINI, ICCOM-CNR, Pisa, Italie

Type de contrat

Concours pour un contrat doctoral

Candidater à cette offre

école doctorale

C2MP - CHIMIE MECANIQUE MATERIAUX PHYSIQUE

équipe

contexte

Les recherches menées par la personne recrutée recrutée contribueront au développement de la coopération International Research Partnership GreenMoMod (Stratégies de Chimie Verte Guidées par la Modélisation Moléculaire). Dans ce projet, financé par LUE et par l'UL, les partenaires uniront leurs efforts collaboratifs au cours des quatre prochaines années. Notre objectif final est de démontrer de manière significative la puissance des méthodologies de simulation multi-niveaux dans le domaine de la chimie verte. Les partenaires partagent une expertise en chimie quantique avancée (QM), en mécanique moléculaire, en dynamique moléculaire (MD) basée sur la théorie de la fonctionnelle de densité électronique (DFT) et en développement de champs de force (FF) à partir de premiers principes. Parmi les défis scientifiques liés à la conception assistée par ordinateur en chimie verte, nous nous concentrons sur deux sujets que nous estimons adaptés aux méthodes développées dans GreenMoMod par les deux partenaires : - Solvants verts – dioxyde de carbone supercritique et solvants eutectiques profonds (DES) ; - Semi-conducteurs organiques auto-assemblés pour la photocatalyse. La méthodologie que nous souhaitons développer s'appliquera spécifiquement aux solvants durables et aux cellules solaires, mais son application réussie à ces systèmes n'exclut pas une utilisation plus large de nos résultats dans d'autres domaines (par exemple, en chimie analytique, en spectroscopie).

spécialité

Chimie

laboratoire

LPCT - Laboratoire de Physique et Chimie Théoriques

Mots clés

simulation, chimie computationnelle, solvatation, chimie verte, dynamique moléculaire, chimie quantique

Détail de l'offre

Le projet de doctorat abordera une question clé dans le domaine des solvants écologiques : la capacité de simuler, avec un haut pouvoir de prédiction, les propriétés microscopiques des solvants eutectiques profonds (Deep Eutectic Solvents, DES), l'un des milieux de solvatation/réaction les plus prometteurs permettant des applications technologiques et industrielles respectueuses de l'environnement. Notre approche commencera par la construction d'un modèle très fiable pour les plus petites unités, traitées à un niveau élevé de chimie quantique (composants des DES). Nous modéliserons ensuite avec soin les champs de force (FF) de dynamique moléculaire pour gérer les interactions intermoléculaires et utiliserons des simulations basées sur ces FF pour échantillonner le système complexe. Le développement méthodologique inclura des outils de active learning et de deep learning pour concevoir les FF. Les résultats attendus de ce projet de doctorat sont une meilleure compréhension de la structure locale des DES, conduisant à une connaissance approfondie de la relation structure-propriété de ces milieux, ce qui est essentiel pour maîtriser la nature combinatoire de ces mélanges de manière rationnelle.

Keywords

simulation, computational chemistry, solvation, green chemistry, molecular dynamics, quantum chemistry

Subject details

The PhD project will tackle one of the most urgent questions in the field of green solvents: the capability to simulate, with a high predictability power, the microscopic properties of Deep Eutectic Solvents (DES), one of the most promising solvation/reaction media allowing environmentally friendly technological and industrial applications. Our approach will start with building a very reliable model for the smallest units, treated at a high-level of quantum chemistry (DES components). We shall then carefully model MD force fields (FF) to handle intermolecular interactions and use simulations based on these FF to sample the complex system. Method development will include active learning and deep learning tools to conceive FF. The expected results of the PhD project are a better understanding of the local structure of DES, leading to an empowered knowledge of the structure-to-property relation of these media, which is key to master the combinatorial nature of the mixtures in a rational way.

Profil du candidat

We are seeking a highly qualified PhD candidate with an excellent academic record, particularly demonstrated by outstanding grades at the Master's level, in alignment with the rigorous standards of our PhD school. Successful candidates must hold a Master's in chemistry/physics and possess knowledge of molecular dynamics simulations and of quantum chemistry calculations. Familiarity with computing programming (Fortran, python) would be strongly appreciated. Good knowledge of English, both written and oral, is compulsory

Candidate profile

Nous recherchons des candidats hautement qualifiés avec un excellent parcours académique, particulièrement démontré par des notes exceptionnelles au niveau du Master, en accord avec les normes rigoureuses de notre école doctorale. Les candidats retenus doivent détenir un Master en chimie/physique et posséder des connaissances en simulations de dynamique moléculaire et en calculs de chimie quantique. Une bonne maîtrise des langages de programmation informatique (Fortran, Python) serait fortement appréciée. Une bonne connaissance de l'anglais, tant à l'écrit qu'à l'oral, est indispensable

Référence biblio

[1[ El Achkar, T., Greige-Gerges, H., Fourmentin, S. Env. Chem. Lett. 2021, 19, 3397–3408. https://doi.org/10.1007/s10311-021-01225-8; Hansen, B.B. et al. Chem. Rev. 2021, 121, 3, 1232-1285. https://doi.org/10.1021/acs.chemrev.0c00385 Abbott, A. P.; Boothby, D.; Capper, G.; Davies, D. L.; Rasheed, R. K.. J. Am. Chem. Soc. 2004, 126, 9142−9147. https://doi.org/10.1021/ja048266j ; Smith, E.L., Abbott, A.P., Ryder, K.S. Chem. Rev. 2014, 114, 21, 11060–11082. https://doi.org/10.1021/cr300162p
[2] Abranches, D.O, Coutinho, J. A.P., Annu. Rev. Chem. Biomol. Eng. 2023. 14, 141–63. https://doi.org/10.1146/annurev-chembioeng-101121-085323
[3] I. Cacelli, G. Prampolini, , J. Chem. Theory Comput. 2007, 3, 1803–1817. https://doi.org/10.1021/ct700113h; J. Cerezo, G. Prampolini, I. Cacelli, Theor. Chem. Acc. 2018, 137, 80. https://doi.org/10.1007/s00214-018-2254-8.
[4] Prampolini, G., Ingrosso, F. Cerezo, J. Iagatti, A., Foggi, P, Pastore, M. J. Phys. Chem. Lett. 2019, 10, 11, 2885–2891. https://doi.org/10.1021/acs.jpclett.9b00944; Prampolini, G. Ingrosso, F., Segalina,, A. Caramori, S., Foggi,, P., Pastore, M., J. Chem. Theory Comput. 2019, 15, 1, 529–545. https://doi.org/10.1021/acs.jctc.8b01031