Recherche de descripteurs pour la compréhension et la prédiction de la stabilité à l’oxydation de fluides par apprentissage machine

De nombreux fluides sont employés dans les secteurs de l’énergie, du transport et de l’environnement, pour diverses applications allant de la production d’énergies renouvelables à la mobilité des personnes. Ces fluides sont bien souvent des mélanges complexes dont les composants sont principalement constitués d’espèces hydrocarbonées. La complexité et la chimie des composés  (hydrocarbures, alcools, esters…) de ces fluides varient en fonction de l’application ciblée comme par exemple la combustion, le refroidissement, la lubrification voire l’isolation électrique. Quelle que soit l’application considérée, il est primordial que le fluide considéré préserve toutes ses propriétés dans le temps car la dégradation par oxydation conduit à l’altération de la qualité du produit pouvant ainsi limiter l’efficacité du système voire mener à des défaillances. Pour ce faire, il est nécessaire d’avoir une meilleure compréhension des paramètres moléculaires clés reliés à la stabilité.
Le sujet de thèse proposé a donc pour objectif de prédire des propriétés physicochimiques représentatives de l’oxydation à partir de descripteurs de la structure des composés des fluides ou/et des spectres vibrationnels. L’objectif est également d’interpréter les modèles construits (descripteurs pertinents, facteurs influents) pour mieux comprendre la stabilité des fluides. Une première partie de la thèse sera consacrée à l’acquisition de données expérimentales (analyses spectroscopiques et physico-chimiques). Dans un second temps, ces données seront exploitées via des méthodes d’apprentissage pour la modélisation prédictive (apprentissage machine, chémoinformatique et chimiométrie). Les approches de chémoinformatique et chimiométrie sont fondamentalement proches, seule diffère la représentation des fluides: dans le premier cas, on considère explicitement la structure des composants du fluide, dans le second, on se base sur des résultats d’analyses de spectroscopie. L’originalité du sujet réside dans une couplage de ces deux approches pour la compréhension et la prédiction de la stabilité à l’oxydation, et permettra au candidat sélectionné d’interagir avec des experts de domaines différents au sein de l’IFPEN et du LASIRE afin d’acquérir de solides compétences.

Mots clefs: Oxydation en phase liquide, Chémoinformatique, Chimiométrie 

• Directeurs de thèse    Pr. Ludovic DUPONCHEL (ORCID : 0000-0002-7206-4498) Pr. Cyril RUCKEBUSCH ( ORCID : 0000-0001-8120-4133) LAboratoire de Spectroscopie pour les Interactions, la Réactivité et l'Environnement (LASIRE) - Université de Lille
• Ecole doctorale    ED104 SMRE, edsmre.univ-lille1.fr/
• Encadrant IFPEN    Dr. GIARRACCA Lucia, Ingénieur de recherche, Systèmes de Combustion et Adéquation Carburants ; lucia.giarracca@ifpen.fr
• Localisation du doctorant    IFP Energies nouvelles, Rueil-Malmaison, France
• Durée et date de début    3 ans, début au cours du quatrième trimestre 2021
• Employeur    IFP Energies nouvelles, Rueil-Malmaison, France.
• Qualifications    Master 2 en Sciences chimiques ou Génie chimique 
• Connaissances linguistique    Bonne maîtrise de l’anglais indispensable, français souhaitable.
• Autres qualifications    Chémoinformatique, Chimiométrie, Spectroscopie.