Prédire la solubilité grâce à l’IA pour innover en hydrométallurgie

L’un des challenges de l’hydrométallurgie est de parvenir à trouver une molécule extractante à la fois sélective et efficace. Pour ce faire, il faut choisir parmi des milliers de possibilités, ce qui est difficile voire impossible à réaliser par une méthode synthèse-test. A la place, de nombreuses études se basent sur des calculs quantiques pour évaluer l’efficacité d’un ligand à partir de la stabilité du complexe. Cependant, ces méthodes ne permettent pas de prendre en compte certains paramètres physico-chimiques essentiels à une extraction efficace tels que la solubilité.

Ce projet a donc pour objectif de développer un outil informatique basé sur l’IA capable de prédire la solubilité d’une molécule dans un solvant donné à partir de sa structure moléculaire. Dans un premier temps, l’étude se focalisera sur 3 solvants : l’eau, pour laquelle des outils pré-existants serviront de référence, l’acide nitrique 3 M pour être dans des conditions usuelles de l’industrie nucléaire et l’octanol, solvant organique utilisé pour déterminer le coefficient de partage logP généralement fourni par les fabricants. Le projet se découpe en 4 jalons principaux :

1. Etude bibliographique d’outils similaires existants (e.g. SolTranNet pour la solubilité dans l’eau) permettant de choisir les voies les plus prometteuses pour une généralisation à d’autres solvants
2. Recherche de bases de données pré-existantes et complétion si nécessaire par des expériences de solubilité en laboratoire
3. Modification/création du code et entraînement du réseau de neurones sur la/les base(s) de données ainsi établie(s)
4. Vérifications des prédictions sur des molécules non-incluses dans les bases de données par comparaison avec des mesures en laboratoire

La thèse est co-encadrée par Dr Marie Simonnet (ICSM) pour la partie expérimentale, Dr Théo Beigbeder et Dr. Fabrice Lamadie (centre de Marcoule) pour la partie IA et dirigée par Christophe Raynaud de l’ICGM (CNRS Montpellier). L’étudiant(e) rejoindra l’équipe du LHyS (4 chercheurs permanents, 5 doctorants, 2 post-doctorants, 1 technicienne) et aura accès à l’ensemble des outils expérimentaux et analytiques de l’ICSM (e.g. techniques de filtration, UV-Vis, IR, Raman, ICP, etc.) et informatique du CEA (cluster CERES3).

L'établissement d'accueil est l'institut de chimie séparative de Marcoule, situé sur le site du CEA de Marcoule. Il s'agit d'une unité mixte de recherche ayant pour tutelle le CEA, le CNRS, l'Université de Montpellier et l'ENSCM (école d'ingénieur de chimie de Montpellier).

Plus d'informations : https://www.icsm.fr/

L’étudiant(e) rejoindra l’équipe du LHyS, le laboratoire des systèmes hybrides pour la séparation (4 chercheurs permanents, 5 doctorants, 2 post-doctorants, 1 technicienne) dont les thématiques se basent sur le principe d'économie circulaire en développant des alternatives de recyclage en circuit court avec une part plus fondamentale concernant l'étude mécanistique de ces procédés.

Plus d'informations : https://www.icsm.fr/lhys.html

Le/la candidat(e) est titulaire d’un master 2 en chimie théorique ou en informatique avec une forte motivation pour l’apprentissage des bases de la chimie ; des compétences en communication orale et écrite en anglais sont aussi fortement recommandées. A la fin de ce projet, l’étudiant(e) aura développé des compétences en science des données et en apprentissage automatique, qualités fortement appréciées à la fois pour une poursuite de carrière dans le monde académique ainsi que dans l’industrie.