Offres d’emplois et de stages // Jobs and internships offers
Les propositions de recrutements et de stages au CIRIMAT sont reportées ci-dessous.
Job opportunities in the laboratory are listed below
Please, visit this page regularly.
Les propositions de recrutements et de stages au CIRIMAT sont reportées ci-dessous.
Job opportunities in the laboratory are listed below
Please, visit this page regularly.
Etude des relations entre défauts internes et sphéroïdes dans les alliages eutectiques Fe-C-Si
Les fontes au silicium sont des alliages eutectiques Fe-C-Si constituées de particules de graphite dans une matrice riche en fer. Leur intérêt vient de la facilité de mise en œuvre, leur faible coût et leur grande aptitude au recyclage, ce qui en font les matériaux de moulage les plus utilisés industriellement.
Après un traitement adéquat du métal liquide juste avant coulée, le graphite se présente sous la forme de sphéroïdes isolés les uns des autres comme l’illustre la micrographie ci-dessous. Dans le cadre d’une étude en cours, une relation entre les défauts internes de fonderie (porosité, retassure) et la distribution en taille et en nombre des sphéroïdes a été constatée.
Le projet proposé consiste en :
– réaliser une étude bibliographique sur le sujet, c.a.d. la relation entre défauts de fonderie et distribution des sphéroïdes de graphite ;
– analyser des séries de micrographies associées à des pièces dont les défauts ont été caractérisés par tomographie X.
L’objectif est de fournir des données quantitatives : distributions en taille et homogénéité de répartition spatiale des sphéroïdes.
Si nécessaire, les séries de micrographies seront complétées durant le stage. La mise en œuvre de ce projet fera appel au logiciel ImageJ et nécessitera un minimum de programmation sur ce logiciel et éventuellement Excel (ou un autre tableur doté de possibilité de programmation).
Profil recherché :
Master 2 ou équivalent -
La/Le candidat(e) doit avoir des connaissances en matériaux et un gout prononcé pour l’expérimental.
Début/durée : A compter de Février/Mars 2026 pour une durée de 5 à 6 mois
Date limite de candidature : 15 décembre 2025
Gratification : environ 670 euros/mois
Contacts :
Moukrane Dehmas - (5) 34 32 34 40 - moukrane.dehmas@toulouse-inp.fr
Jacques Lacaze - (5) 34 32 34 15 - jacques.lacaze@toulouse-inp.fr
DEVELOPPEMENT DE COUCHES MACROPOREUSES POLYMERIQUES PAR FREEZE-CASTING A LA SURFACE DE TA6V POUR DES APPLICATIONS ORTHOPEDIQUES
Stage Master/Ingénieur
LIEU : Institut National Polytechnique de Toulouse, CIRIMAT, Toulouse, France / cirimat.fr
GROUPE DE RECHERCHE : Phosphates, Pharmacotechnie, Biomateriaux
ENCADRANTS : Sara AMAR, Maëlenn AUFRAY, Jérémy SOULIÉ
GRATIFICATION : 660 EUROS /MOIS
CONTEXTE
Ce stage aura lieu au sein l’équipe PPB (Phosphates Pharmacotechnie et Biomatériaux). L’objectif est de développer un revêtement polymère poreux innovant à base de chitosan sur substrat métallique TA6V (titanealuminium-vanadium), destiné à des applications biomédicales telles que les prothèses osseuses (hanche, genou). Les implants métalliques présentent d’excellentes propriétés mécaniques, mais leur surface bioinerte limite souvent l’ostéo-intégration. Le dépôt de chitosan, polymère biosourcé et antibactérien, constitue une solution prometteuse. Cependant, les dépôts classiques de chitosan sont peu poreux et leur adhésion au métal reste insuffisamment étudiée. Dans ce projet, on se propose d’utiliser un procédé inédit dans ce contexte biomédical : le freeze casting. Ce procédé consiste à congeler une solution polymère pour créer, après sublimation du solvant, une structure poreuse contrôlée.
OBJECTIFS DU STAGE
L’objectif du stage est d’étudier la faisabilité et l’optimisation du dépôt de couches poreuses de chitosan sur substrat métallique TA6V par le procédé de freeze casting, puis d’en évaluer l’adhésion et les propriétés mécaniques et physico-chimiques.
– La préparation des surfaces de TA6V (traitements chimiques ou mécaniques préalables) ;
– La formulation des solutions de chitosan/acide acétique (étude de la concentration, viscosité, homogénéité) ;
– La mise en œuvre du procédé de freeze casting (variation des paramètres thermiques, vitesse de congélation, épaisseur de film) ;
– La caractérisation des couches : MEB, FTIR, Raman, ATG/DSC, DRX, essais mécaniques (flexion 3 points)
– L’analyse de l’adhésion du revêtement au TA6V et corrélation avec les paramètres de fabrication
– La modélisation simplifiée des transferts thermiques ou de l’adhésion par méthode des éléments finis (Cast3M ou COMSOL Multiphysics).
Les résultats contribueront à la démonstration de faisabilité du procédé et à la compréhension des mécanismes d’adhésion du chitosan sur le TA6V.
PROFIL
Étudiant·e Bac+5 (Master 2 ou Ecole d’Ingénieur) en science, chimie, physique des matériaux.
Goût pour le travail expérimental en laboratoire et la caractérisation de matériaux.
Des notions en modélisation numérique (COMSOL, ANSYS, Cast3M) seraient un plus.
Autonomie, rigueur, bonnes capacités de synthèse et esprit d’équipe.
CANDIDATURE
Merci d’envoyer CV et lettre de motivation avant le 30 novembre
à sara.amar@ensiacet.fr, maelenn.aufray@ensiacet.fr et jeremy.soulie@ensiacet.fr
avec comme objet d’E-mail : « Candidature stage_FCoating/NOM DE FAMILLE »
(merci de respecter STRICTEMENT l’objet de l’email)
Développement de revêtements photoluminescents pour application aéronautique
Stage M2 (H/F)
Contrat : Stage M2 ou équivalent, 6 mois
Description du projet
La mesure de température pour les composants moteurs dans les turbomachines ou les turboréacteurs est un élément important tant pour le dimensionnement que pour l’analyse ou la certification de pièces moteurs.
Dans un contexte de course à la performance et à l’efficacité, les températures de moteurs augmentent, ce qui demande de savoir prédire le comportement des matériaux dans des conditions d’utilisation réelles, et donc de connaitre les points chauds et les températures surfaciques maximales des composants moteurs. Toutefois, les techniques actuelles [1,2] ne permettent pas de répondre correctement aux besoins des constructeurs : les peintures thermochromes manquent de précision et les analyses par thermocouples ou thermométrie IR ne sont pas adaptées à des mesures de champs de températures pour des pièces tournantes ou confinées. En raison de ces problèmes, Safran Helicopter Engines s’est tourné vers une nouvelle technologie : les marqueurs photoluminescents. La photoluminescence est un phénomène physique d’émission de lumière par un composé sous l’irradiation d’une source lumineuse (LED, laser, …). Suite à cette excitation à une longueur d’onde bien précise, ces matériaux ont la capacité de restituer une partie de l’énergie absorbée sous la forme de photons.
Pour le diagnostic thermique de moteurs d’hélicoptère, des marqueurs photoluminescents sont intégrés à des peintures appliquées aux composants avant la réalisation d’un test moteur. L’exploitation de paramètres spectraux et/ou temporels des émission de fluorescence post-essai (i.e. après démontage), qui évoluent lorsque les matériaux ont été exposés à certaines températures [3], permet de reconstituer la carte des températures vues par les pièces lors de l’essai.
L’objectif de ce projet est de développer un revêtement photoluminescent sensible dans une gamme de températures critiques définies par Safran Helicopter Engines. Dans le cadre du stage, le/la chercheur.e aura pour mission la synthèse et la caractérisation de ces nouveaux revêtements. Il/Elle sera susceptible d’effectuer des déplacements à l’Institut Clément Ader - IMT Mines Albi pour réaliser des analyses de luminescence ou à Safran HE pour tester les marqueurs en conditions réelles.
Contexte du projet
Ce projet, porté par Safran Helicopter Engines, est réalisé en collaboration avec deux laboratoires : le CIRIMAT (UT) et l’Institut Clément Ader (IMT Mines Albi). Dans ce projet le CIRIMAT est en charge de la synthèse de nouveaux marqueurs et des caractérisations structurales, microstructurales et physico-chimiques.
Le laboratoire d’accueil est le CIRIMAT à Toulouse, une unité mixte de recherche (UMR CNRS UT INPT 5085) qui compte environ 240 personnes, dont un peu plus de 100 permanents et environ 90 doctorants. Il regroupe les compétences toulousaines dans le domaine de la science et de l’ingénierie des matériaux.
Le projet sera encadré par la doctorante Lisa Guibbert et Sandrine Duluard, Ingénieure de recherche de l’équipe Revêtements et Traitements de Surface.
Profil recherché :
Etudiant(e) Master 2 ou équivalent en chimie ou en matériaux. Rigueur et autonomie.
Candidature : Lettre de motivation et CV à envoyer
à Sandrine Duluard (sandrine.duluard@utoulouse.fr)
et Lisa Guibbert (lisa.guibbert@utoulouse.com)
avant le 28 novembre 2025.
[1] Khalid, A. & Kontis, K. Thermographic Phosphors for High Temperature Measurements : Principles, Current State of the Art and Recent
Applications. Sensors 8, 5673–5744 (2008).
[2] Rabhiou, A., Feist, J., Kempf, A., Skinner, S. & Heyes, A. Phosphorescent thermal history sensors. Sensors and Actuators A : Physical 169,
18–26 (2011).
[3] Copin, E. B. et al. Novel erbia-yttria co-doped zirconia fluorescent thermal history sensor. Smart Mater. Struct. 26, 015001 (2017)
EXPLORATION MULTI-ÉCHELLE DE LA STRUCTURATION DE MATÉRIAUX MÉTALLIQUES MIS EN FORME PAR FREEZE-CASTING
Stage Master 2/PFE - Ingénieur
LIEU : CIRIMAT Toulouse - Institut National Polytechnique de Toulouse
ENCADRANTs RESPONSABLEs : Benoît Malard /Jérémy Soulié
GRATIFICATION : 4,35 €uros/h (35h/semaine)
DUREE : 5-6 mois selon le début du stage
Contexte du projet
Ce contrat fait partie d’un projet en collaboration avec Safran. Le laboratoire d’accueil est le CIRIMAT à Toulouse, une unité mixte de recherche (UMR 5085 CNRS-UT-INPT) qui compte environ 240 personnes, dont un peu plus de 100 permanents et environ 90 doctorants. Il regroupe les compétences toulousaines dans le domaine de la science et de l’ingénierie des matériaux.
SUJET
Ce stage s’inscrit dans les travaux de recherche menés au sein du CIRIMAT autour du développement d’outils analytiques multi-échelles appliqués à la caractérisation des matériaux métalliques d’intérêt aéronautique.
L’objectif général est d’explorer la structuration mésoscopique et nanométrique de matériaux métalliques poreux élaborés par Freeze-Casting de poudres métalliques (Inconel 718, TA6V), en utilisant les moyens de caractérisation permises au CIRIMAT (MEB, MET, DRX) et le couplage à la diffusion des rayons X aux petits angles (SAXS) à haute énergie récemment installée au sein du de la Fédération FERMAT à Toulouse.
Le Freeze-Casting est un procédé de mise en forme par congélation dirigée d’une suspension de poudres dans un solvant. Après sublimation du solvant gelé, il génère une architecture poreuse contrôlée (10–90 %), dont la morphologie (lamellaire, dendritique, colonnaire) et l’orientation dépend fortement des conditions de solidification. Ces structures hiérarchisées avec des propriétés mécaniques et fonctionnelles ajustables présentent un grand intérêt pour des applications aéronautiques (système de filtration, échangeur thermique léger, revêtement, matériaux à gradient de densité).
La nouvelle source Mo (λ = 0,71 Å, 17,5 keV) du SAXS de FERMAT permet pour la première fois d’analyser ces matériaux consolidés sur des épaisseurs significatives, en réduisant la fluorescence parasite et en améliorant le rapport signal/bruit. Ce projet vise à démontrer l’apport de cette approche pour relier procédé - structure - propriétés.
MISSIONS DU STAGIAIRE
Le stage comprendra les étapes suivantes :
• Élaboration de matériaux métalliques poreux par Freeze-Casting, en variant les paramètres de congélation (vitesse, gradient thermique, concentration en poudre).
• Caractérisation microstructurale multi-échelle :
– Mise en place de protocoles SAXS (source Mo) pour l’analyse des nanostructures des matériaux consolidés et comparaison avec la source Cu classique,
– DRX/WAXS/MET pour l’identification des phases cristallines,
– MEB et MET pour la morphologie et l’orientation des pores (mésostructures).
• Analyse corrélée des résultats SAXS/DRX/MEB afin d’identifier les indicateurs structuraux pertinents (taille, distribution, anisotropie de porosité).
• Rédaction d’un rapport complet et proposition d’une méthodologie transférable à des matériaux industriels (en collaboration avec SAFRAN).
COMPÉTENCES ET PROFIL RECHERCHÉ
• Étudiant(e) Bac+5 en science, chimie ou physique des matériaux.
• Connaissances souhaitées : diffraction/rayonnement X, métallurgie, techniques de mise en forme par voie poudre.
• Intérêt marqué pour la caractérisation multi-échelle et la microstructure des matériaux métalliques. Goût pour le travail expérimental, rigueur scientifique et bonnes capacités rédactionnelles.
PERSPECTIVES
Ce stage s’inscrit dans une démarche exploratoire visant à :
• Développer des protocoles SAXS haute énergie pour l’étude de matériaux poreux,
• Mieux comprendre l’impact du Freeze-Casting sur la nanostructuration et les propriétés mécaniques ou thermiques,
• Contribuer à la mise au point de matériaux innovants pour les applications aéronautiques,
• Poser les bases d’une méthodologie SAXS/DRX couplée, transférable aux partenaires industriels du groupe SAFRAN.
CANDIDATURE
Envoyer CV et lettre de motivation à :
benoit.malard@ensiacet.fr et
jeremy.soulie@ensiacet.fr
Objet de l’email : Candidature_stage_SAXS-FC_NOM
MULTI-SCALE EXPLORATION OF THE STRUCTURING OF METALLIC MATERIALS SHAPED BY FREEZE-CASTING
Master’s Internship / Engineering Final Project
LOCATION : CIRIMAT Toulouse – National Polytechnic Institute of Toulouse
SUPERVISORS : Benoît Malard / Jérémy Soulié
STIPEND : € 4.35/hour (35h/week)
DURATION : 5–6 months depending on internship start date
Project context :
This internship is part of a collaborative project with Safran. The host laboratory is CIRIMAT in Toulouse, a joint research unit (UMR 5085 CNRS-UT-INPT) with around 240 members, including over 100 permanent staff and approximately 90 PhD students. The laboratory brings together Toulouse expertise in materials science and engineering.
Subject :
This internship is part of ongoing research at CIRIMAT focused on developing multi-scale analytical tools applied to the characterization of metallic materials for aeronautical applications.
The main objective is to explore the mesoscopic and nanometric structuration of porous metallic materials produced by Freeze-Casting of metallic powders (Inconel 718, Ti-6Al-4V), using characterization techniques available at CIRIMAT (SEM, TEM, XRD) combined with small-angle X‑ray scattering (SAXS) using the newly implemented high‑energy source within the FERMAT Federation in Toulouse.
Freeze‑Casting is a shaping process based on directional freezing of a powder suspension in a solvent. After sublimation of the frozen solvent, a controlled porous architecture (10–90%) is created, whose morphology (lamellar, dendritic, columnar) and orientation strongly depend on solidification conditions. These hierarchical structures, with tunable mechanical and functional properties, are of great interest for aeronautical applications (filtration systems, lightweight heat exchangers, coatings, graded‑density materials).
The new Mo source (λ = 0.71 Å, 17.5 keV) of the FERMAT SAXS platform allows, for the first time, the analysis of consolidated materials with significant thicknesses, reducing parasitic fluorescence and improving signal‑to‑noise ratio. This project aims to demonstrate the relevance of this approach to establish processing–structure–property relationships.
Student tasks :
The internship will include the following stages :
• Fabrication of porous metallic materials by Freeze‑Casting, varying freezing parameters (speed, thermal gradient, powder concentration).
• Multi‑scale microstructural characterization :
– Development of Mo‑source SAXS protocols for nanostructure analysis of consolidated materials and comparison with conventional Cu source,
– XRD/WAXS/TEM for crystalline phase identification,
– SEM and TEM for pore morphology and orientation (mesostructures).
• Correlated analysis of SAXS/XRD/SEM results to identify relevant structural indicators (pore size, distribution, anisotropy).
• Preparation of a complete report and proposal of a methodology transferable to industrial materials (in collaboration with SAFRAN).
Required skills & profile
• Master’s level student (Bac+5) in materials science, chemistry, or physics.
• Desired knowledge : X‑ray scattering/diffraction, metallurgy, powder‑based shaping techniques.
• Strong interest in multi‑scale characterization and microstructure of metallic materials. Enjoys experimental work, shows scientific rigor, and has good writing skills.
Perspectives :
This internship aims to :
• Develop high‑energy SAXS protocols for porous materials,
• Better understand the influence of Freeze‑Casting on nanostructuration and mechanical/thermal properties,
• Contribute to the development of innovative materials for aeronautical applications,
• Establish a coupled SAXS/XRD methodology transferable to SAFRAN industrial partners.
Application :
Send CV and cover letter to :
benoit.malard@ensiacet.fr and
jeremy.soulie@ensiacet.fr
Email subject : Application_internship_SAXS‑FC_LASTNAME
English below
Contexte du projet
Le laboratoire d’accueil est le CIRIMAT à Toulouse, une unité mixte de recherche (UMR 5085 CNRS-UT-INPT) qui compte environ 240 personnes, dont un peu plus de 100 permanents et environ 90 doctorants. Il regroupe les compétences toulousaines dans le domaine de la science et de l’ingénierie des matériaux.
Description du projet
Ces activités seront menées au ClRIMAT dans le cadre du déploiement du procédé de dépôt par électrophorèse (EPD) pour différentes applications, avec pour objectif l’exploitation d’outils de machine learning pour l’optimisation de ce procédé.
Dans le cadre de travaux réalisés au CIRIMAT, des revêtements ont été déposés par EPD et leurs propriétés ont été analysées (épaisseur, densité, etc). Le candidat aura à sa charge des travaux de :
– prise en main et mise en forme de la base de données incluant les paramètres de dépôt et les propriétés des revêtements
– évaluation de la pertinence de l’approche par machine learning selon les problématiques abordées et choix des modèles les plus appropriés
– description et mise en œuvre de la méthodologie pour le déploiement de cet outil aux différentes applications objets de recherches au CIRIMAT
Profil recherché : Nous recherchons un(e) candidat(e) titulaire d’un diplôme niveau M2 ou équivalent en Intelligence Artificielle, Mathématiques appliqués. Compétences attendues : Maîtrise du machine learning, Connaissances en sciences des matériaux. Rigueur, autonomie, curiosité. Langue anglaise B1,B2.
Candidature : Lettre de motivation et CV à envoyer à Sandrine Duluard (sandrine.duluard@utoulouse.fr), Florence Ansart (florence.ansart@utoulouse.fr), Céline Merlet (celine.merlet@utoulouse.fr), Pierre-Louis Taberna (pierre-louis.taberna@utoulouse.fr) avant le 20 novembre 2025
Contrat : Contrat Université de Toulouse, CDD de projet. Début du contrat et durée : début 2026, 4 mois
Context of the project
The host laboratory is the CIRIMAT in Toulouse, a joint research unit (UMR 5085 CNRS-UT-INPT) with around 240 people, including a bit more than 100 permanent staff members and about 90 PhD students. The lab gathers skills in Materials Science and Materials Engineering.
Project description
The activities will be conducted at the CIRIMAT in the context of the implementation of the electrophoretic deposition process (EPD) for diverse applications, with the objective of exploiting machine learning tools to optimise this process.
In the context of the work being carried out at CIRIMAT, coatings have been deposited by EPD and their properties have been analysed (thickness, density, etc.). The applicant will be in charge of :
– getting acquainted and formatting the data base containing the deposit parameters and the deposit properties
– evaluating the relevance of the machine learning approach according to the problems considered and choosing the most appropriate models
– describing and setting up the methodology for implementing this tool for the various applications investigated at CIRIMAT
Applicant’s profile : We are looking for an applicant with a master or equivalent degree in artificial intelligence, applied mathematics. Competence requested : knowledge of machine learning. Knowledge in materials sciences. Rigor, autonomy, cursiosity. English level : B1, B2.
To apply : Cover letter and CV to send to Sandrine Duluard (sandrine.duluard@utoulouse.fr), Florence Ansart (florence.ansart@utoulouse.fr), Céline Merlet (celine.merlet@utoulouse.fr), Pierre-Louis Taberna (pierre-louis.taberna@utoulouse.fr) before the 20th of November 2025
Contract : Contract with Université de Toulouse, CDD de project. Starting beginning of 2026 for 4 months.
English below - Fichier pdf de l’offre
Contexte du projet
Ce contrat fait partie d’un projet en collaboration avec Safran. Le laboratoire d’accueil est le CIRIMAT à Toulouse, une unité mixte de recherche (UMR 5085 CNRS-UT-INPT) qui compte environ 240 personnes, dont un peu plus de 100 permanents et environ 90 doctorants. Il regroupe les compétences toulousaines dans le domaine de la science et de l’ingénierie des matériaux.
Description du projet
Le dépôt par électrophorèse (EPD) est basé sur la migration de particules chargées dispersées dans une suspension. Celles-ci s’accumulent vers un substrat et finissent par former un revêtement dont l’épaisseur et la densité peuvent être contrôlées. Le dépôt par électrophorèse a été sélectionné par Safran comme technique de dépôt de revêtements protecteurs sur différents supports (métalliques, composites, carbonés, etc). Toutefois l’électrophorèse est un procédé multiparamétrique, avec une influence d’ordre un pour un grand nombre de paramètres liés au procédé (champ électrique/courant appliqué ou durée de dépôt) ou à la suspension (mobilité électrophorétique, concentration en particules dans la suspension notamment). Les études paramétriques "classiques" ainsi que par plan d’expérience ont permis de mettre en évidence certaines lois empiriques liant paramètres de dépôt et masse déposée pour des systèmes "poudre/solvant/substrat" majoritairement en milieux organiques. Des dépôts en milieux aqueux ont aussi été réalisés avec succès mais des échecs sont aussi constatés (dépôts inhomogènes, trop lents, pas de dépôt, etc) sans que les paramètres les causant ne puissent être identifiés.
L’Active Learning (ou apprentissage actif) est un cas particulier du Machine Learning dans lequel l’algorithme d’apprentissage va interagir avec le demandeur, dans notre cas l’expérimentateur. Il s’agit d’ajouter/choisir des données pertinentes pour l’efficacité de l’apprentissage. Cette technique prometteuse pour l’optimisation des matériaux [1] et le machine learning appliqué à l’EPD n’a fait l’objet que d’une publication [2]. Dans le cadre de ce projet, le stagiaire utilisera l’Active Machine Learning pour l’optimisation de dépôts par électrophorèse. Nous évaluerons ainsi sa pertinence et décrirons la méthodologie à mettre en place pour le déploiement de ces outils pour l’EPD.
Profil recherché : Etudiant(e) Master 2 ou équivalent en mathématiques appliqués, IA, et intéressé(e) par les sciences chimiques/matériaux. Rigueur et autonomie. Connaissance des outils de machine learning.
Candidature : Lettre de motivation et CV à envoyer à Sandrine Duluard (sandrine.duluard@utoulouse.fr), Florence Ansart (florence.ansart@utoulouse.fr), Céline Merlet (celine.merlet@utoulouse.fr), Pierre-Louis Taberna (pierre-louis.taberna@utoulouse.fr) avant le 20 novembre 2025
Contrat : Stage M2 ou équivalent, 6 mois
Context of the project
This contract is part of a project in collaboration with Safran. The host laboratory is the CIRIMAT in Toulouse, a joint research unit (UMR 5085 CNRS-UT-INPT) with around 240 people, including a bit more than 100 permanent staff members and about 90 PhD students. The lab gathers skills in Materials Science and Materials Engineering.
Project description
Electrophoresis deposition (EPD) is based on the migration of charged particles dispersed in a suspension. These accumulate towards a substrate and eventually form a coating which controllable thickness and density. Electrophoresis deposition has been selected by Safran as a technique for depositing protective coatings on various substrates (metallic, composite, carbon, etc). However, electrophoresis is a multiparametric process, with a lot of influencing parameters related either to the process (applied electric field/current or deposition duration) or to the suspension (electrophoretic mobility, particle concentration in the suspension notably). The "classical" parametric studies as well as studies by experimental design allowed to highlight some empirical laws between deposition parameters and deposited mass for several systems. Deposits in aqueous media have been successfully carried out but failures are also observed (inhomogeneous deposits, too slow, no deposit, etc.). However the key parameters causing these troubles have not been identified.
Active Learning is a special case of Machine Learning in which the learning algorithm will interact with the requester, in our case the investigator. The aim is to add/choose relevant data for learning efficiency. This technique is promising for material optimization [1] but machine learning applied to EPD has only been the subject of one publication [2]. As part of this project, the intern will use Active Machine Learning for electrophoresis deposition optimization. He will be in charge of the design of active learning tools and to define the methodology for their deployment for EPD.
Applicant’s profile : Student with a Master’s degree or equivalent in applied mathematics, AI, and interested in chemical/materials sciences. High level of autonomy, scientific rigour, knowledge of machine learning tools.
To apply : Cover letter and CV to send to Sandrine Duluard (sandrine.duluard@utoulouse.fr), Florence Ansart (florence.ansart@utoulouse.fr), Céline Merlet (celine.merlet@utoulouse.fr), Pierre-Louis Taberna (pierre-louis.taberna@utoulouse.fr) before the 20th of November 2025
Contract : M2 internship, 6 months
[1] Benchmarking active learning strategies for materials optimization and discovery Alex Wang, Haotong Liang, Austin McDannald, Ichiro Takeuchi, Aaron Gilad Kusne, Oxford Open Materials Science, Volume 2, Issue 1, 2022, itac006, https://doi.org/10.1093/oxfmat/itac006
[2] Enhancing dynamical system modeling through interpretable machine-learning augmentations : a case study in cathodic electrophoretic deposition, Christian Jacobsen, Jiayuan Dong, Mehdi Khalloufi, Xun Huan, Karthik Duraisamy, Maryam Akram and Wanjiao Liu, Data-Centric Engineering , Volume 6 , 2025 , e4, https://doi.org/10.1017/dce.2024.51