PhD Monitor
/جزئیات
مشاهده بیشتر:ChemistryFrance
شیمی● بازPreview

دکتری در یادگیری ماشین مقرون‌به‌صرفه و نظریه تابعی چگالی برای مواد کاتالیزوری پایدار

توسعه روش‌های محاسباتی نوآورانه برای طراحی کاتالیزورهای پایدار با استفاده از یادگیری ماشین و شیمی کوانتومی.

مناسب برای:مناسب برای پژوهشگران با پیش‌زمینه شیمی محاسباتی، فیزیک یا علم مواد که به کاربرد یادگیری ماشین در راهکارهای انرژی پایدار علاقه‌مند هستند.

· گراند است, فرانسه
نظریه تابعی چگالییادگیری ماشینکاتالیزمواد پایدارشیمی محاسباتی
مهلت
۸ نوامبر ۲۰۲۶
۲۵ روز
بودجه
حقوقی
شروع
—
مکان
گراند است
فرانسه

مرور کلی

این موقعیت دکتری بر تقاطع یادگیری ماشین و نظریه تابعی چگالی برای تسریع کشف مواد کاتالیزوری پایدار تمرکز دارد. داوطلب پذیرفته‌شده بر توسعه مدل‌های یادگیری ماشین «مقرون‌به‌صرفه» کار خواهد کرد که ضمن حفظ دقت پیش‌بینی بالا برای خواص شیمیایی، به توان محاسباتی کمتری نیاز دارند. هدف این پروژه، پرداختن به چالش‌های حیاتی در طراحی مواد برای کاربردهای شیمی سبز است. انتظار می‌رود متقاضیان دارای پیش‌زمینه قوی در شیمی محاسباتی یا علم مواد و علاقه‌مند به توسعه الگوریتم باشند.

یادگیری ماشین مقرون‌به‌صرفهشیمی کوانتومیطراحی موادشیمی سبزمدل‌سازی محاسباتی

نحوهٔ درخواست

موقعیت کامل را ببین

برای دیدن امتیاز تطابق شخصی، نیازمندی‌ها، جزئیات بودجه و نحوهٔ درخواست — به انگلیسی یا فارسی — حساب کاربری رایگان بساز.

بدون نیاز به کارت بانکی · ۱۰ امتیاز تطابق AI رایگان
آماده‌اید؟
۲۵ روز تا مهلت — به این موقعیت اقدام کن.