Multiscale Modelling Engineer (ID249)

Titre du Poste: 

Multiscale Modelling Engineer (6 mois)

Titre du Projet:  

Développement de modèles d’IA pour accélérer la qualification des composants électroniques

À propos de SLB: 

Nous sommes une entreprise technologique mondiale, moteur de l'innovation énergétique pour un équilibre planétaire. 

Chez SLB, nous créons des technologies incroyables qui ouvrent l'accès à l'énergie au bénéfice de tous. C'est notre raison d'être. En tant qu'innovateurs, c'est notre mission depuis 100 ans. Nous faisons face au plus grand défi d'équilibre au monde : réduire simultanément les émissions tout en répondant à la demande croissante en énergie. Nous travaillons chaque jour pour trouver des solutions, un pas après l'autre. 

Notre avenir collectif dépend de la décarbonisation de l'industrie des énergies fossiles, tout en innovant dans un nouveau paysage énergétique. C'est ce qui nous motive. Assurer le progrès pour les personnes et la planète, dans un cheminement vers la neutralité carbone et au-delà. Pour un équilibre planétaire. 

Notre mission : Ensemble, nous créons des technologies incroyables qui ouvrent l'accès à l'énergie au bénéfice de tous. Vous pouvez en savoir plus sur nous via ce lien: https://www.slb.com/who-we-are. 

Localisation:  

Clamart, Paris 

Description et Périmètre: 

Les défaillances des composants électroniques, notamment au niveau des joints de soudure sans plomb, constituent un enjeu majeur de fiabilité. L’objectif de ce stage est de développer une approche combinant simulations multi-échelles et intelligence artificielle afin d’accélérer la prédiction de la fiabilité des composants électroniques.

Responsabilités: 

• Étude bibliographique sur la fiabilité des soudures, la plasticité cristalline et les modèles d’IA.
• Préparation des données et ingénierie des caractéristiques.
• Analyse des résultats de simulations et de l’influence de la microstructure.
• Développement et validation de modèles de Machine Learning.
• Démonstrateur final, rapport technique et recommandations.

Qualifications: 

• Master en mécanique, matériaux, science des données, physique ou discipline connexe.
• Programmation Python.
• Machine Learning et analyse de données.
• Calcul scientifique et notions d’analyse par éléments finis.
• Une expérience avec Abaqus, Ansys ou la modélisation des matériaux est un plus.
• Communication et résolution de problèmes.
• Communication orale et écrite en anglais 

SLB est un employeur offrant l'égalité des chances en matière d'emploi. Les candidats qualifiés sont considérés sans distinction de race, de couleur, de religion, de sexe, d'orientation sexuelle, d'identité de genre, d'origine nationale, d'âge, de handicap ou d'autres caractéristiques protégées par la loi. 

Le processus de recrutement et le poste peuvent être adaptés pour répondre à la plupart des handicaps. N'hésitez pas à le mentionner lors de votre candidature.