Oferta predoctoral – Catálisis computacional y machine learning

Oferta predoctoral - Catálisis computacional y machine learning - ITQ El grupo A dvanced Materials for Novel Transformations in Catalysis del Instituto de Tecnología Química (ITQ CSIC-UPV) ofrece una plaza de doctorado vinculada al proyecto «AI-Enabled Defect Engineering and Mechanistic Discovery in MFI Zeolites», financiado por la Fundación «la Caixa» dentro del Programa de Becas Postdoctorales Junior Leader. Proyecto Los defectos estructurales en zeolitas, como los nidos de silanol asociados a vacantes en la red cristalina, influyen de manera determinante en su rendimiento catalítico, sin embargo, su origen a escala atómica y su papel en la reactividad siguen siendo poco comprendidos. Este proyecto aborda este problema integrando cálculos de Teoría del Funcional de la Densidad (DFT) a escala high-throughput, potenciales interatómicos basados en machine learning y metodologías automatizadas de búsqueda de estados de transición, junto con caracterización experimental avanzada. La investigación se organiza en torno a tres objetivos: Caracterización sistemática de los defectos de silanol y su impacto topológico en los poros de la zeolita Comprensión mecanística de por qué muestras de zeolita con defectos pueden superar en rendimiento a sus análogos libres de defectos Desarrollo de un agente de lenguaje para la validación automatizada e interpretación mecanística de grandes conjuntos de datos de simulación. El proyecto está liderado por el Dr. Pau Ferri Vicedo, dentro del grupo de la Dra. Mercedes Boronat, y se beneficia del entorno singular del ITQ (CSIC-UPV), donde el trabajo computacional se desarrolla en colaboración directa con investigadores experimentales especializados en síntesis, caracterización avanzada y evaluación catalítica de zeolitas. El candidato/a desarrollará un perfil computacional versátil, adquiriendo experiencia en cálculos DFT, potenciales machine learning, exploración automatizada de redes de reacción y agentes de grandes modelos de lenguaje aplicados a la ciencia, todo ello aplicado a problemas química e industrialmente relevantes. Requisitos Grado en Química. Máster en Química Teórica o similar a fecha de firma del contrato. Formación o interés en al menos uno de los siguientes ámbitos: simulación DFT/molecular, machine learning aplicado a la química, o catálisis heterogénea/con zeolitas. Tipo de contrato Contrato predoctoral de cuatro años, con salario competitivo conforme a la normativa del CSIC. Fecha de incorporación: octubre de 2026. Tesis Doctoral en el Programa de Química Sostenible de la UPV. Las personas interesadas deberán enviar una carta de motivación y su CV al Dr. Pau Ferri-Vicedo, pafervi2@itq.upv.es , y a la Dra. Mercedes Boronat, boronat@itq.upv.es . Plazo de solicitud : 15 de junio de 2026. Scroll to top Cerrar los ajustes de cookies RGPD Resumen de privacidad Cookies necesarias Cookies de terceros Cookies adicionales Política de cookies Resumen de privacidad Esta web utiliza cookies para que podamos ofrecerte la mejor experiencia de usuario posible. La información de las cookies se almacena en tu navegador y realiza funciones tales como reconocerte cuando vuelves a nuestra web o ayudar a nuestro equipo a comprender qué secciones de la web encuentras más interesantes y útiles. Cookies necesarias Las cookies necesarias son estrictamente esenciales para que el sitio web funcione correctamente. Esta categoría solo incluye cookies que garantizan funcionalidades básicas y características de seguridad del sitio web. Estas cookies no almacenan ninguna información personal y tiene que activarse siempre para que podamos guardar tus preferencias de ajustes de cookies. Activar o desactivar las cookies Activadas Desactivadas Cookies de terceros Esta web utiliza Google Analytics para recopilar información anónima tal como el número de visitantes del sitio, o las páginas más populares. Dejar esta cookie activa nos permite mejorar nuestra web. Activar o desactivar las cookies Activadas Desactivadas Cookies adicionales Esta web utiliza las siguientes cookies adicionales: PHP SESSID, es una cookie TÉCNICA PROPIA de sesión. Esta cookie es no intrusiva y es usada por el lenguaje de encriptado PHP para permitir que las variables de SESIÓN sean guardadas en el servidor web. Esta cookie es esencial para el funcionamiento de la web. Activar o desactivar las cookies Activadas Desactivadas Política de cookies Más información sobre nuestra política de cookies Activar todo Guardar cambios