Criblage à haut débit et analyse de la structure et des propriétés des électrolytes ioniques solides

IFP Energies nouvelles (IFPEN) est un organisme public de recherche, d’innovation et de formation dont la mission est de développer des technologies performantes, économiques, propres et durables dans les domaines de l’énergie, du transport et de l’environnement.

IFPEN met à disposition de ses chercheurs un environnement de recherche stimulant, avec des équipements de laboratoire et des moyens de calcul très performants.

Dans le cadre de la mission d’intérêt général confiée par les pouvoirs publics, IFPEN concentre ses efforts sur :

l’apport de solutions aux défis sociétaux de l’énergie et du climat, en favorisant la transition vers une mobilité durable et l’émergence d’un mix énergétique plus diversifié ;
la création de richesse et d’emplois, en soutenant l’activité économique française et européenne et la compétitivité des filières industrielles associées.

Criblage à haut débit et analyse de la structure et des propriétés des électrolytes ioniques solides

Les électrolytes ioniques à l’état solide (Solid State Ionic Electrolytes – SSIE) suscitent un vif intérêt en raison de leur potentiel d’application dans les nouvelles générations de batteries hybrides à l’état solide (Solid State Batteries – SSB).

Ces électrolytes permettent le développement de systèmes de conversion et de stockage d’énergie plus performants et plus sûrs. Cependant, l’identification de SSIE présentant un transport rapide des ions lithium (Li⁺) demeure un processus de recherche lent, reposant principalement sur des approches empiriques par essais et erreurs.

Dans ce contexte, les méthodes de criblage informatique à haut débit apparaissent comme des outils particulièrement adaptés pour accélérer leur découverte.

Ce stage propose une analyse d’une base de données (BD) existant regroupant des SSIE, dans le but d’établir des relations structure-propriété entre la topologie cristallographique et les énergies d’activation (Ea) pour la diffusion des ions Li⁺, prédites par la méthode « Bond Valence Site Energy Method » (BVSEM) [1]. Cette méthode, implémentée dans le logiciel SoftBV, à faible coût informatique, permet d’estimer les énergies des sites cristallographiques et d’identifier les voies préférentielles de transport ionique au sein des matériaux.

Le ou la stagiaire devra préparer la base de données et calculer des descripteurs structuraux pour les SSIE répertoriés. Ces descripteurs serviront à établir des modèles corrélatifs de type structure-propriété (QSPR, « Quantitative Structure Property Relationship »), dont la validité sera évaluée par des comparaisons avec des données expérimentales et théoriques disponibles dans la littérature [2,3].

Enfin, selon l’avancement du projet et le temps disponible, des simulations complémentaires de Dynamique Moléculaire pourront être réalisées afin d’estimer la stabilité cristalline des matériaux présentant des propriétés prometteuses.

Profil recherché :

Niveau du stage : M2

Discipline : Sciences des données, apprentissage machine, simulation moléculaire, Science des matériaux
Compétences : programmation Python, Chimie

Durée du stage : 6 mois
Période : premier semestre 2026

Informations administratives

Établissement d'accueil : IFPEN
Adresse : 1-4 avenue de Bois Préau - 92500 Rueil-Malmaison
Direction : Physico-chimie et Mécanique appliquées
Département : R175
Responsables du stage : Carlos Nieto (R175), Benoît Creton (R175), Theodorus de Bruin (R175), David Pasquier (R173).

Merci de nous transmettre un CV, une lettre de motivation et les noms et adresses électroniques de deux personnes de référence.

Bibliographie : [1] Wong et coll. Chem. Mater. 2021, 33, 625−641 (doi: 10.1021/acs.chemmater.0c03893). [2] Duchardt et coll. Chem. Mater. 2018, 30, 4134−4139 (DOI: 10.1021/acs.chemmater.8b01656). [3] Nikodimos et coll. Materials Today Chemistry 24 (2022) 100837 (doi: 10.1016/j.mtchem.2022.100837).

*******************************

High-Throughput Screening and Structure–Property Analysis of Solid-State Ionic Electrolytes

Solid-state ionic electrolytes (SSIE) are attracting significant interest due to their potential applications in next-generation hybrid solid-state batteries (SSB). These electrolytes enable the development of safer and higher-performance energy conversion and storage systems. However, identifying SSIEs that exhibit fast lithium-ion (Li⁺) transport remains a slow research process, primarily based on empirical trial-and-error approaches. In this context, high-throughput computational screening methods are particularly well-suited to accelerate their discovery. This internship proposes an analysis of an existing database (DB) containing SSIEs, with the aim of establishing structure–property relationships between crystallographic topology and activation energies (Ea) for Li⁺ diffusion, predicted using the Bond Valence Site Energy Method (BVSEM) [1]. This method, implemented in the SoftBV software, requiring only minor computational resources allows for the fast energy estimations to identify preferential ionic transport pathways in ionic crystal structures. The intern will be responsible for preparing the database and calculating structural descriptors for the SSIEs listed. These descriptors will be used to build quantitative structure–property relationship (QSPR)) models, which will be validated by comparing the results with available experimental and theoretical data from the literature [2,3]. Finally, depending on the progress of the project and the time available, complementary Molecular Dynamics simulations may be performed to estimate the crystalline stability of materials with promising properties.

Your profile

Internship level: M2

Discipline: Data Analysis, Machine Learning, Molecular Simulation, Material Science
Skills: Python programming, Chemistry

Internship duration: 6 months
Period: first semester 2026

Administrative information

Location: IFP Energies nouvelles
Address: 1-4 avenue de Bois Préau - 92500 Rueil-Malmaison
Division: Applied Physical-Chemistry and Mechanics
Department: R175
Internship supervisers: Carlos Nieto (R175), Benoît Creton (R175), Theodorus de Bruin (R175), David Pasquier (R173).

Please send us a CV, cover letter and the names and email addresses of two references.

Bibliography : [1] Wong et coll. Chem. Mater. 2021, 33, 625−641 (doi: 10.1021/acs.chemmater.0c03893).[2] Duchardt et coll. Chem. Mater. 2018, 30, 4134−4139 (DOI: 10.1021/acs.chemmater.8b01656).[3] Nikodimos et coll. Materials Today Chemistry 24 (2022) 100837 (doi: 10.1016/j.mtchem.2022.100837).

E-mail

Prénom

Nom

Message

Votre CV (PDF - Max : 5 Mo)

Votre lettre de motivation (PDF - Max : 5 Mo)