Postdoc Research Associate - Machine Learning/NLP for PEM Fuel Cell & Electrolyzer Materials Develop

Requisition Id: 13187

Le Groupe de Fabrication de Stockage et de Conversion d'Énergie au sein de la Section d'Électrification de la Direction des Sciences et Technologies de l'Énergie à Oak Ridge National Laboratory (ORNL) recherche des candidatures pour un Associé de Recherche Postdoctorale. Ce rôle se concentre sur l'utilisation des techniques de machine learning et de traitement du langage naturel (NLP) pour faire progresser le développement des matériaux pour les piles à combustible à membrane échangeuse de protons (PEM) à basse température et les technologies avancées de l'électrolyse de l'eau alcaline (AWE). Le candidat sélectionné collaborera avec une équipe multidisciplinaire pour innover dans le développement des électrocatalyseurs, la conception des électrodes et les processus de fabrication. Ce poste est situé au Department of Energy (DOE) Battery Manufacturing R&D Facility (BMF) à ORNL à Knoxville, TN, USA.

En tant que laboratoire national sous l'égide de l'Office of Science du Département de l'Énergie (DOE) des États-Unis, ORNL a une histoire de 80 ans de défis majeurs en matière de recherche. Notre équipe de plus de 6,000 employés dévoués favorise la créativité et l'innovation. Nous nous engageons pour la diversité, l'équité, l'inclusion et l'accessibilité (DEIA), en créant un lieu de travail qui reconnaît les idées et les contributions diverses. Cet engagement motive la mission d'ORNL d'accélérer les découvertes scientifiques et leurs applications dans les solutions énergétiques, environnementales et de sécurité.

• Développer et appliquer des modèles de machine learning pour optimiser la synthèse des électrocatalyseurs pour les réactions de réduction de l'oxygène, d'évolution de l'oxygène et d'évolution de l'hydrogène dans des milieux alcalins et acides.
• Utiliser des techniques de NLP pour analyser et synthétiser la littérature scientifique et les brevets sur les technologies PEM et AWE afin de guider les conceptions expérimentales.
• Formuler et caractériser des encres et des boues d'électrocatalyseurs à l'aide d'approches basées sur les données. Développer des méthodes de prototypage et de revêtement en rouleau (R2R) pour l'échelle des anodes et des cathodes.
• Collaborer avec des équipes du Consortia Million Mile Fuel Cell Truck (M2FCT) et H2 de la Next-Generation of Electrolyzers of Water (H2NEW).
• Contribuer à des articles scientifiques et des présentations de haute importance; s'engager dans des efforts de réseautage et de collaboration avec des groupes internes, d'autres laboratoires nationaux, des partenaires industriels et des services publics.
• Superviser et encadrer des étudiants et des chercheurs juniors.
• Aligner les comportements, les priorités et les interactions avec les valeurs fondamentales d'ORNL d'Impact, d'Intégrité, de Travail d'Équipe, de Sécurité et de Service. Promouvoir le DEIA en favorisant un lieu de travail respectueux et collaboratif.

Un doctorat en informatique, chimie computationnelle, génie chimique, électrochimie, science des matériaux ou un domaine étroitement lié, obtenu au cours des 5 dernières années, avec une spécialisation en machine learning et/ou traitement du langage naturel.

• Expérience avérée dans l'application des techniques de machine learning à la science des matériaux, l'électrochimie ou des domaines connexes.
• Dossier de publication solide dans des revues scientifiques pertinentes avec d'excellentes compétences en communication écrite et orale.
• Expérience dans la contribution aux propositions de recherche, la rédaction de rapports scientifiques détaillés et l'obtention de brevets.

Les candidats doivent avoir obtenu leur doctorat au cours des cinq dernières années et doivent terminer toutes les exigences du diplôme avant la date de début de la nomination. La durée de la nomination est de 24 mois, avec possibilité de prolongation en fonction des performances