¿Qué tan común es la ciencia de los materiales computacionales en la industria?

Desde mi experiencia haciendo alcance industrial para la Universidad de Wisconsin-Madison, y hablando con la industria en el sector de materiales y manufactura en Wisconsin, la ciencia de los materiales computacionales en la industria es * no * común en absoluto. Para aclarar, como algunos otros mencionados en este hilo, “ciencia de los materiales computacionales” puede significar varias cosas: 1. simulaciones atomísticas, donde intentas construir un modelo de lo que te interesa desde cero, 2. informática de materiales y 3. Aspectos de análisis de big data y aprendizaje automático de combinar conjuntos de datos aparentemente complementarios para extraer más valor de ellos individualmente. Yo diría que (1) es menos común y (3) es más común en ese orden. El problema con (1) es que existe una complejidad inherente de escalado: puede hacer cálculos bastante precisos para una aleación o compuesto con un pequeño número de átomos (¿quizás decenas o cientos, tal vez miles?), Pero ¿representa las propiedades generales? del material que estaría en el orden de miles de millones de átomos como mínimo (o en el orden del número de Avogadro)? Dificil de decir. Creo que la teoría funcional de la densidad trata de abordar esto, pero sigue siendo un problema difícil. Con (2), ahora creo que hay un poco más de confianza en las tendencias (¡corríjame si estoy totalmente apagado, o incluso un poco apagado!) Y puede usar la computación para tratar de descubrir relaciones de peso o relaciones estequiométricas que probablemente darle las propiedades a granel que desea. Luego, con (3), básicamente tiene un montón de datos que están relacionados entre sí de una manera no trivial, les asigna pesos basados ​​en algunas probabilidades que asume y calcula, conéctelo todo en algún modelo complejo y espere que llegue Si lo desea, y si no lo hace, intente ajustar el modelo para que salga y espere que los parámetros de ajuste se apliquen universalmente, luego verifique con la realidad para ver si funcionó, y así sucesivamente. . Ahora, dicho todo esto, * hay * un creciente interés en la industria, ya que ven más claramente cómo la contratación con ciertos grupos computacionales dentro de las universidades o grupos privados puede ayudarlos a ahorrar tiempo (y, por lo tanto, dinero) al tratar de optimizar sus materiales y procesos . Todo esto se relaciona estrechamente con la ingeniería industrial, el aprendizaje automático, la informática y la optimización.

Hay algunas posiciones dispersas en toda la industria, pero estoy de acuerdo con las demás en que las posiciones son escasas. Esto no quiere decir que no existan, pero parece que rara vez se anuncian. Personalmente, he encontrado lo mejor para encontrar un trabajo como científico de materiales (general) donde se espera que realice su trabajo de caracterización típico, pero mire a su alrededor una vez que esté incrustado y vea dónde el trabajo computacional aceleraría el trabajo de laboratorio más rutinario . Una vez que demuestre que puede generar resultados con una precisión razonable sin hacer el experimento en el sentido de que los experimentos virtuales pueden guiar los experimentos reales, no lleva mucho tiempo convencer a sus gerentes para que le permitan probar esto con más frecuencia, ya que puede resultar en algunos ahorros de costos serios.
Ejemplo: hace unos años fabricamos materiales luminiscentes donde los ligandos podrían tardar un par de meses en sintetizarse correctamente. Un químico de mi grupo hizo esto solo para descubrir que el ligando “héroe” era un fracaso. Al mismo tiempo, aprendí a simular ciertas propiedades del mismo material que se sintetizó y era obvio que el material nunca funcionaría como esperábamos porque el pico de absorción estaba en el lugar equivocado. Avancé un año más tarde y estuve revisando entre siete y ochocientos de estos materiales en menos de una semana, donde identificamos un puñado de candidatos que queríamos probar en un experimento de alto rendimiento. Nuestra tasa de éxito pasó de algo así como 4 o 5 en 1600 a aproximadamente 1 en 8.
Señale que, incluso si no existe una posición, en mi experiencia, puede crearla prestando atención a los problemas con los que se encuentran las personas y brindando una solución al mirar la literatura académica y usar un poco de creatividad para reducir un problema real a uno que usted puede describir una metodología computacional particular.

Si bien es difícil encontrar puestos para un científico de materiales computacionales en la industria, no es tan grave como sugieren las otras respuestas. Puedo darle algunos ejemplos aquí que van más allá del desarrollo de software (como en Diseño de materiales, Accelrys, QuantumWise y Schrodinger) y hacen investigación y desarrollo reales utilizando técnicas típicamente utilizadas por científicos de materiales computacionales: DFT, MD reactivo, MD clásico, modelos de campo de fase. e incluso cálculos FEM / CFD que van más allá del diseño de ingeniería (como la optimización de un dispositivo termoeléctrico o el modelado de flujos de gas reactivo en un reactor). Esta respuesta es desde una perspectiva estadounidense.

Las pequeñas empresas suelen solicitar fondos SBIR y STTR (Acerca de STTR | SBIR.gov) para reforzar sus divisiones de I + D. Estos fondos federales de investigación están destinados a estimular la innovación tecnológica y fomentar la transferencia de tecnología a través de la I + D cooperativa entre pequeñas empresas e instituciones de investigación. Sí, las pequeñas empresas tienen divisiones de I + D (esto fue inicialmente una sorpresa para mí). En los últimos años, ha habido algunas llamadas a proyectos SBIR / STTR que involucran experiencia en ciencia de materiales computacionales, particularmente las de DOD y DOE. Pasé 6 meses después de mi doctorado en Advanced Cooling Technologies, Inc. (Tecnologías y soluciones de gestión térmica). Si bien su cartera de productos se basa en tuberías de calor e intercambiadores de calor, con un enfoque de aplicación en el sector aeroespacial, tienen una pequeña división de I + D con 2–3 expertos en DFT + MD para obtener fondos federales y trabajar en proyectos SBIR / STTR adecuados. Pasé mi tiempo haciendo simulaciones reactivas de dinámica molecular en un material de sistema de protección térmica utilizado en los conos nasales de cohetes y misiles. Existen otras empresas de este tipo, pero los puestos no están bien publicitados. Estas posiciones se abren dependiendo de si se ha ganado o no una nueva subvención. Terminas aprendiendo estas posiciones de tus contactos académicos como tu asesor de doctorado o ex compañeros de grupo. Esto se debe a que las subvenciones SBIR / STTR se otorgan a la empresa más un socio académico.

Luego están las divisiones de I + D en compañías más grandes como IBM (aunque cerraron recientemente la División de Ciencias Físicas en el Centro de Investigación TJ Watson) que han contratado a científicos de materiales computacionales en el pasado. Ahora su enfoque está cambiando hacia la informática de materiales. Entonces, si tiene alguna experiencia o interés en eso, IBM sigue siendo una opción.

Hoy también asistí a una charla de un representante de Air Products and Chemicals, Inc. La charla fue de un químico computacional que trabajaba en su división de computación y modelado. Su trabajo se centra en el modelado multiescala (desde atomista hasta continuo) del flujo de fluido en los reactores.

Tengo un amigo, cuya experiencia es en simulaciones MD de sistemas biomoleculares, que ahora trabaja en WL Gore (GoreTex, impermeabilización, botas de montaña). Su experiencia de MD, particularmente en agua, humectación, etc., ha sido útil en la industria.

Incluso actualmente mi feed de LinkedIn muestra una apertura en Intel para un pasante de ingeniero de modelado. La descripción del trabajo, aunque amplia, incluye menciones de ciencia de materiales computacionales, DFT, MD, análisis de tensión-deformación y transporte térmico a nanoescala.

Una búsqueda por palabras clave de “dinámica molecular” en Indeed arrojó las siguientes 2 publicaciones de la industria en la primera página de resultados: científico de materiales computacionales con responsabilidades que incluyen MD, DFT, cálculos de energía libre, etc. en Eurofins Lancaster Labs (Laboratorios Lancaster); y un trabajo de modelado de proteínas + MD en Celgene (aunque estrictamente hablando este es un trabajo para biólogos computacionales, las habilidades básicas son transferibles).

En pocas palabras, hay trabajos de ciencia de materiales computacionales en la industria.

Si quiere decir (como lo hago) la ciencia de los materiales computacionales como en los cálculos de estructuras atómicas, termodinámica de aleaciones, simulaciones atomísticas, etc., la respuesta es bastante sencilla: no lo es.
Nunca he conocido a nadie capaz de ganar dinero con eso. Y es por eso que la industria simplemente no le paga a las personas (al menos no muchas) para que prueben tales cálculos. Las industrias patrocinan universidades o institutos de investigación que trabajan en el tema, pero nunca he visto una oferta de trabajo para este tipo de trabajo.
Si te refieres a simulaciones FEM para diseño de ingeniería, entonces no lo llamaría Ciencia de Materiales Computacionales y sí, esto es absolutamente más popular y se paga.

Trabajo en ciencia de materiales computacionales, realizando y diseñando cálculos atomísticos para apoyar las simulaciones FEM que menciona Alessandro. Además, hay varias compañías, entre ellas Diseño de materiales, Accelrys, QuantumWise y Schrodinger, que crean y usan software atomístico. Cada uno está más o menos centrado en partes de la industria en su mayoría no superpuestas y también venden a usuarios académicos.
Creo que los trabajos de ciencia de materiales computacionales se volverán más comunes a medida que el hardware y la tecnología metodológica continúen mejorando, y se desarrollen vínculos más claros entre la escala atomista y los modelos de nivel superior.