M2 Matériaux Numériques : in silico design de matériaux par les sciences du numérique

Places available

20
Language(s) of instruction

French

Présentation

Objectives

Objectifs scientifiques: L'innovation et la recherche pour les nouveaux matériaux nécessitent aujourd'hui au sein des entreprises du domaine le recrutement de cadres non seulement experts en matériaux mais ayant aussi de réelles compétences en simulations numériques et en informatique. Ces nouveaux acteurs d'un haut niveau scientifique dans les domaines de l'élaboration et de la caractérisation des matériaux devront maitriser l'outil numérique des simulations atomistiques et multi-échelles, la gestion des Big Data et l'utilisation de l'Intelligence Artificielle. Ces cadres seront capables d'intégrer une vision globale en management de projets dans les différentes phases d'élaboration ; ils maîtriseront les outils numériques les plus avancés, et posséderont les bases nécessaires pour continuer à se former aux dernières avancées.
Pédagogie: Ce Master accueillera des candidats venant de parcours Bac+3 de Physique, Chimie, Matériaux, Informatique avec pour ces derniers une mise à niveau en physique-chimie. Ce Master a pour objectif de former des cadres d'un haut niveau scientifique, disposant d'une très bonne connaissance des matériaux afin d'être capables de les élaborer et de les caractériser, capables de mettre en œuvre les méthodes de simulations numériques et de manipuler des outils et concepts d'analyse de données et d'intelligence artificielle. Ce Master offre des débouchés immédiats sur des postes de cadres dans les entreprises.
Ce Master est aussi à visée de recherche fondamentale et appliquée ouverte à l'interdisciplinarité (physique, chimie, informatique, SHS), offrant des contrats CIFRE de thèse de doctorat en partenariat recherche académique et recherche appliquée en entreprises.
Ce Master offre une pédagogie revisitée, notamment basée sur des projets individuels tout au long des 2 années, permettant d'acquérir les compétences indispensables en entreprises de conduite, de maîtrise et de présentation/bilan/perspectives de projets.

Location

EVRY

SACLAY

Course Prerequisites

Master 1 de physique, chimie, ingénieur bac+4. Posséder une bonne connaissance en outils numériques (Python, ou/et Matlab, ou/et théorie fonctionnelle de la densité...)

Skills

(Savoir) Maîtriser la relation structure‐propriétés des différentes classes de matériaux.
(Savoir‐faire) Comprendre et maîtriser les outils numériques pour le design de matériaux (modélisation, traitement massif de données, intelligence artificielle).
(Savoir-Faire) Savoir mettre ne perspective les résultats numériques obtenus et les résultats expérimentaux (issus de la littérature ou de mesures).
(Faire‐savoir) Savoir synthétiser, mettre en forme et présenter des résultats en langues Française et Anglaise.
(Savoir‐être) Etre à même à participer/mener un projet dans le cadre d’un travail en équipe, savoir construire des relations
interpersonnelles.
(Savoir‐être) Inscrire ses activités dans une démarche respectant la déontologie.

Post-graduate profile

Les étudiants en sortie de formation possèdent :
- une bonne connaissance des différentes classes de matériaux
- une maitrise des outils de modélisation et de design de matériaux par les techniques numériques
- une bonne connaissance des outils de traitement utilisant le Big Data et l’intelligence artificielle
- une aptitude à travailler en groupe et en réseau
- une aptitude à s'insérer en milieu académique ou industriel

Career prospects

Ce Master a pour objectif de former des cadres d'un haut niveau scientifique, disposant d'une très bonne connaissance des matériaux afin d'être capables de les élaborer et de les caractériser, capables de mettre en œuvre les méthodes de simulations numériques et de manipuler des outils et concepts d'analyse de données et d'intelligence artificielle. Ce Master offre des débouchés immédiats sur des postes de cadres dans les entreprises.
Ce Master est aussi à visée de recherche fondamentale et appliquée ouverte à l'interdisciplinarité (physique, chimie, informatique, SHS), offrant des contrats CIFRE de thèse de doctorat en partenariat recherche académique et recherche appliquée en entreprises.

Collaboration(s)

Laboratories

Laboratoire Analyse et Modélisation pour la Biologie et l'Environnement
Centre de Nanosciences et de Nanotechnologies
Institut de chimie moléculaire et des matériaux d'Orsay
Service de Recherches de Métallurgie Physique
Service de Recherches Métallurgiques Appliquées
Laboratoire de physique des gaz et des plasmas
Laboratoire de Physique des Solides.

Laboratoire DAVID, Université Versailles St Quentin
Laboratoire de Chimie Physique
Laboratoires ENS Paris-Saclay incluant l'Institut d'Alembert (IDA)
Informatique, Bio-informatique et Systèmes Complexes, Université d'Evry val d'Essonne.

Programme

Tronc commun.

Subjects	ECTS	Lecture	directed study/practical class
Caractérisation des matériaux	4	16
Caractérisation des matériaux Language(s) of instruction : FR ECTS : 4 Détail du volume horaire : Lecture : 16 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : Interventions d'industriels sur conférences à thèmes, concernant le screening, design, développement, caractérisation, durabilité, vieillissement, recyclage, resources, des matériaux. Procedure and organisation : Conférences. Objectifs pédagogiques visés : Contenu : Identifier les enjeux des différents volets du cycle de vie des matériaux du futur, du design au recyclage. Période(s) et lieu(x) d’enseignement : Period(s) : Septembre - Octobre - Novembre - Décembre - Janvier. Location : ORSAY - EVRY
Design de matériaux	4		16
Design de matériaux Language(s) of instruction : FR ECTS : 4 Détail du volume horaire : directed study/practical class : 16 Modalités d'organisation et de suivi : Coordinator : Procedure and organisation : Travail sur machine. Objectifs pédagogiques visés : Contenu : L'objectif de cette UE est de concevoir un matériaux par une approche numérique pour ensuite le réaliser et mesurer ses propriétés par les techniques adaptées dans le cadre de l'UE Caractérisation des matériaux. Période(s) et lieu(x) d’enseignement : Period(s) : Septembre - Octobre - Novembre - Décembre. Location : ORSAY - EVRY

Subjects	ECTS	Lecture	practical class	distance-learning course
Dynamiques moléculaires multi-échelles, intégration de l'Intelligence Artificielle et du Machine Learning aux dynamiques moléculaires, méthodes avancées d'échantillonnages	5	15	25	25
Dynamiques moléculaires multi-échelles, intégration de l'Intelligence Artificielle et du Machine Learning aux dynamiques moléculaires, méthodes avancées d'échantillonnages Language(s) of instruction : FR ECTS : 5 Détail du volume horaire : Lecture : 15 Practical class : 25 Online class : 25 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : Coordinatrice, Enseignants UVSQ, CEA DEN-SRMP, Ecole CentraleSupelec + Intervenant industriel (compagnie Materials Design). Procedure and organisation : Cours et mises en pratiques sur cas identifiés en lien avec les entreprises industrielles partenaires du Master, travail personnel en petits groupes, points d'avancements réguliers. Objectifs pédagogiques visés : Contenu : Méthodes de dynamiques moléculaires avancées et leurs couplages aux méthodes de l'IA et du machine learning, à la pointe des méthodes théoriques les plus avancées, et leurs applications au design et développement de matériaux innovants pour l'énergie, la catalyse, et la caractérisation de leurs processus de vieillissement. Prerequisites : L'ensemble des UEs du M1, et en particulier les UEs 'Simulations numériques pour les matériaux' les enseignements des UEs liées aux Théories des graphes, analyse de données à grande échelle. Bibliographie : Articles de revue. Période(s) et lieu(x) d’enseignement : Period(s) : Septembre - Octobre - Novembre - Décembre - Janvier. Location : ORSAY - EVRY
Modélisations continues	4	12	20	20
Modélisations continues Language(s) of instruction : FR ECTS : 4 Détail du volume horaire : Lecture : 12 Practical class : 20 Online class : 20 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : Paris-Saclay, CEA DEN-SRMP. Procedure and organisation : Cours, et cas pratiques traites en petits groupes sur des problèmes identifiés, points d'évaluation réguliers. Objectifs pédagogiques visés : Contenu : Méthodes de description continue des matériaux, permettant de passer à des échelles de représentation macroscopique et de traiter de phénomènes physiques et chimiques des matériaux à grandes échelles de taille et de temps. Prerequisites : M1. Période(s) et lieu(x) d’enseignement : Period(s) : Septembre - Octobre - Novembre - Décembre - Janvier. Location : ORSAY

Subjects	ECTS	Lecture	practical class	distance-learning course
Informatique théorique : Modélisation et algorithmique de graphes	3	36
Informatique théorique : Modélisation et algorithmique de graphes Language(s) of instruction : FR ECTS : 3 Détail du volume horaire : Lecture : 36 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : Coordinateur, un monitorat d'enseignement. Procedure and organisation : Cours, des exemples pratiques seront abordés au sein de l'UE Projets individuels, en relation avec des problématiques industrielles. Objectifs pédagogiques visés : Contenu : L'objectif est l’acquisition des définitions et concepts de base de la théorie des graphes nécessaires à la modélisation moléculaire pour le traitement algorithmique de problèmes associés. La première partie de ce module sera donc consacrée à ces concepts et définitions, illustrés par des exemples d’application à l’analyse moléculaire. Seront ensuite introduits des notions de complexités d’algorithmes et de problèmes, et la présentation et l’expérimentation d’algorithmes polynomiaux pour des problèmes classiques de graphes. Enfin, la dernière partie de l’UE explorera des problèmes spécifiques en informatique pour les matériaux. Prerequisites : UEs de M1 'Informatique pour le calcul scientifique' et 'Simulations numériques pour les matériaux'. Bibliographie : Ouvrages reliés aux Théorie des graphes, Modélisations moléculaires, algorithmique. Période(s) et lieu(x) d’enseignement : Period(s) : Septembre - Octobre - Novembre - Décembre - Janvier. Location : ORSAY
Intelligence Artificielle et Machine Learning	3	10	14	25
Intelligence Artificielle et Machine Learning Language(s) of instruction : FR ECTS : 3 Détail du volume horaire : Lecture : 10 Practical class : 14 Online class : 25 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : Coordinateur UVSQ, CEA DEN-SRMP. Procedure and organisation : Cours et applications sur ordinateurs sur cas identifiés, points d'avancement réguliers. Objectifs pédagogiques visés : Contenu : Méthodes de l'intelligence artificielle et du machine learning et leurs applications aux screenings et développements de nouveaux matériaux, et machine learning pour l'interprétation des expériences. Prerequisites : UEs de M1 'Informatique pour le calcul scientifique'. Bibliographie : Articles de revue sur IA, machine learning, et leurs applications. Période(s) et lieu(x) d’enseignement : Period(s) : Septembre - Octobre - Novembre - Décembre - Janvier. Location : ORSAY
Optimisation avancée de bases de données (Big Data)	3	12	8	10
Optimisation avancée de bases de données (Big Data) Language(s) of instruction : FR ECTS : 3 Détail du volume horaire : Lecture : 12 Practical class : 8 Online class : 10 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : Coordinatrice Paris-Saclay. Procedure and organisation : Cours et TP pratiques, travail personnel distance. Objectifs pédagogiques visés : Contenu : L'objectif de cette UE est de présenter les techniques les plus avancées pour optimiser l'accès aux données d'une base de données : Savoir optimiser une requête SQL ; savoir optimiser un schema de bases de données. Prerequisites : Introduction aux bases de données (M1). Bibliographie : Database Management Systems de Raghu Ramakrishnan, Johannes Gehrke McGraw Hill, 3ème édition Database Tuning. Principles, Experiments, and Troubleshooting de Dennis Shasha, Philippe Bonnet Morgan Kaufmann. Période(s) et lieu(x) d’enseignement : Period(s) : Septembre - Octobre - Novembre - Décembre - Janvier. Location : ORSAY

Subjects	ECTS	Lecture	directed study	practical class	Lecture/directed study	Lecture/practical class	directed study/practical class	distance-learning course	Project	Supervised studies
Cours de langues	4	50
Cours de langues Language(s) of instruction : AN ECTS : 4 Détail du volume horaire : Lecture : 50 Modalités d'organisation et de suivi : Coordinator : Période(s) et lieu(x) d’enseignement : Location : ORSAY

Tronc commun.

Subjects	ECTS	Lecture	directed study	practical class	Lecture/directed study	Lecture/practical class	directed study/practical class	distance-learning course	Project	Supervised studies
Les métiers et enjeux de Material Design dans les entreprises (projet individuel)	12			100				60
Les métiers et enjeux de Material Design dans les entreprises (projet individuel) Language(s) of instruction : FR ECTS : 12 Détail du volume horaire : Practical class : 100 Online class : 60 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : Encadrements de projets : Coordinatrice UEVE et équipe associée UEVE, CEA DEN-SRMP, Université Paris-Saclay, UVSQ, Compagnie Materials Design Autres acteurs industriels ayant manifesté leur intérêt pour proposer des projets et encadrer sur site : VEDECOM, EDF Photovoltaique, Safran, IFPEN, St Gobain. Procedure and organisation : Travaux sur projets directement sur machines. Ces projets pourront être en lien avec le parcours Matériaux Fonctionnels et Applications pour traiter en groupe à la fois la partie théorique et la partie expérimentale. Le travail se fera par des points d'avancements réguliers, évaluation sur présentations finales des réalisations devant une audience d'experts académiques et industriels. Objectifs pédagogiques visés : Contenu : Travaux sur des projets à partir de questions précises venant des industriels, permettant de combiner les méthodes de simulations avancées, méthodes continues, d'IA/machine learning/analyse de données/théorie des graphes pour traiter des matériaux. Prerequisites : L'ensemble du M1 et du M2, cet enseignement ne peut avoir lieu qu'à partir du moment où l'ensemble des connaissances ont été acquises. Période(s) et lieu(x) d’enseignement : Period(s) : Février - Mars - Avril - Mai - Juin. Location : ORSAY - EVRY

Subjects	ECTS	Lecture	directed study	practical class	Lecture/directed study	Lecture/practical class	directed study/practical class	distance-learning course	Project	Supervised studies
Stage en entreprise	18									100
Stage en entreprise Language(s) of instruction : FR ECTS : 18 Détail du volume horaire : Supervised studies including internship supervision : 100 Modalités d'organisation et de suivi : Coordinator : Pedagogical team : Coordinateur, MP. Gaigeot (UEVE), J. Creuze (Paris-Saclay) et autres intervenants à définir. Procedure and organisation : Stage en entreprise. Points d'avancement réguliers avec l'équipe pédagogique de l'UE. A partir de le rentrée, sensibilisation régulière à la recherche de stage via des réunions et des entretiens personnalisés. Le stage est de 6 mois. Suivant les entreprises visées, le stage aura lieu de février à juillet inclus, ou de Avril à septembre inclus. La dernière solution est privilégiée, afin de permettre la finalisation des projets individuels de materials design par chaque étudiant, avant la mise en pratique directe en entreprise par le stage. Objectifs pédagogiques visés : Contenu : Stage en entreprise, permettant de mettre en oeuvre les connaissances acquises sur les matériaux numériques. Période(s) et lieu(x) d’enseignement : Period(s) : Février - Mars - Avril - Mai - Juin - Juillet.

Modalités de candidatures

Application period

This M2 is not offered next year

Compulsory supporting documents

Motivation letter.
All transcripts of the years / semesters validated since the high school diploma at the date of application.
Curriculum Vitae.

Additional supporting documents

VAP file (obligatory for all persons requesting a valuation of the assets to enter the diploma).

Contact(s)

Course manager(s)

Marie-Pierre Gaigeot - mgaigeot@univ-evry.fr

Dominique BARTH - dominique.barth@uvsq.fr