NIMBE

Nanosciences et Innovation
pour les Matériaux
la Biomédecine
et l'Énergie

Un grand nombre de processus chimiques sont complexes, et nécessitent pour leur optimisation de comprendre les mécanismes réactionnels par l’observation en temps réel des composés intermédiaires et des produits finaux. La RMN peut s’acquitter de cette tâche, mais cela nécessite de prendre en compte plusieurs aspects : pallier le manque de sensibilité intrinsèque à la technique, rapprocher le plus possible la zone de détection du réacteur de synthèse et pouvoir quantifier précisément les données obtenues.



Récemment les chercheurs du LSDRM ont inventé et breveté un dispositif de RMN imprimé en 3D basé sur une mini pompe à bulles associée à de la fluidique et une micro-détection, installable sur une sonde commerciale à l’intérieur de l’aimant RMN. Une version d’insert branché sur une sonde de micro-imagerie et une version utilisant un couplage inductif entre la micro-bobine et la bobine commerciale ont été développées.



Le système permet une amélioration significative du signal RMN pour les noyaux relaxant lentement, puisque les constituants du mélange réactionnel sont situés dans un champ magnétique proche de celui de l’étude RMN, permettant ainsi une pré-polarisation de l’ensemble de la solution. De plus, grâce au mouvement contrôlé du flux, entre deux scans les spins frais remplacent ceux précédemment excités dans la région de détection ; il n’est donc pas nécessaire d’attendre plusieurs fois le temps de relaxation.



S’appuyant sur les compétences de la société CortecNet dans la synthèse de molécules enrichies aux isotopes stables, et du LSDRM, laboratoire de recherche reconnu pour son savoir-faire dans la création de dispositifs innovants destinés à l’amélioration de l’outil RMN, l’objectif de ce projet de recherche consiste à développer un dispositif complet de suivi RMN, in situ, de synthèses chimiques afin de fournir aux chimistes organiciens un instrument de mesure indispensable dans leurs activités quotidiennes.

La métabolomique est la science qui a trait à l’analyse des métabolites, petites molécules (moins de 1500 Da) présentes dans les organismes. Elle permet de comprendre le fonctionnement de ces organismes, et de détecter, identifier voire quantifier des métabolites qui signent un état pathologique ou un stress particulier. La Résonance Magnétique Nucléaire (RMN) est une technique complémentaire de la spectrométrie de masse (SM) pour analyser des mélanges complexes de métabolites. Cependant, du fait de sa faible sensibilité, la RMN n’est pas autant utilisée que la SM. Il existe différentes techniques d’augmentation du signal RMN. L’une d’elle tire parti des propriétés particulières du parahydrogène, un isomère de spins du gaz dihydrogène. Dernièrement, une méthode, nommée SABRE-Relay et fondée sur le parahydrogène, a été inventée. Elle permet, en milieu aprotique, d’augmenter l’intensité des signaux RMN de toute molécule comportant au moins un proton labile.



La thèse consiste à développer la méthodologie de la technique SABRE-Relay lorsqu’elle s’applique à des extraits métaboliques cellulaires ou à des biofluides, une grande proportion de métabolites comportant au moins un proton labile. L’objectif est de proposer de nouveaux profils métaboliques, offrant une plus grande sensibilité et une certaine spécificité par rapport aux profils classiques par RMN, pour une meilleure détection, identification voire quantification des solutés présents.

Le tritium, isotope radioactif de l’hydrogène, est un élément chimique omniprésent dans l’industrie du nucléaire, autant au sein des réacteurs à fission que dans les réacteurs du futur à fusion (ITER), pour lesquels il constitue le combustible principal. Cependant, le tritium, élément léger, a la propriété d’être aisément piégé dans de nombreux matériaux, ce qui est à l’origine de quantités importantes de déchets tritiés.



Le CEA dispose d’installations uniques au monde permettant de manipuler des matériaux tritiés et d’élaborer une chimie du tritium, qu’il est intéressant de combiner avec les méthodes d’analyse par spectroscopie de résonance magnétique nucléaire (RMN) du tritium dans des conditions de haute-résolution (rotation de l’échantillon à l’angle magique - MAS). Le niveau de sophistication atteint par la RMN MAS laisse entrevoir de nombreuses perspectives pour comprendre finement les mécanismes d’incorporation et de piégeage du tritium dans de nombreux matériaux d’intérêt pour le nucléaire (métaux, plastiques, ciments...). L’hélium-3, isotope issu de la désintégration du tritium, est un autre isotope aisément identifiable par RMN.



L’objet de cette thèse est de développer et explorer les potentialités de la RMN du tritium dans une large gamme de matériaux actuellement étudiés, en collaboration avec les principaux acteurs des filières tritium du CEA.

L’objectif de cette thèse est de développer des approches de type Machine Learning (ML) pour la modélisation structurale et spectroscopique (RMN, RAMAN) de matrices oxydes (céramiques, verres aluminoborosilicatés représentatifs de verres nucléaires simplifiés) et leurs interactions avec l’eau. Les spectres RMN et RAMAN et les mécanismes d’interaction avec H2O peuvent être calculés à l’aide de la DFT mais pour des systèmes de quelques centaines d’atomes simulés sur des temps courts (~100ps) seulement. Ces études sont de plus difficiles avec des champs de force classiques mêmes les plus récents (polarisables, ions déformables) car la paramétrisation est complexe, la transférabilité à de larges domaines de composition est limitée, et le calcul des spectres RMN et Raman n’est possible que pour des systèmes très simples. D’autre part, il n’existe pas aujourd’hui de champs de force classiques capables de représenter les interactions verres aluminoborosilicatés – solution aqueuse avec une précision « ab initio ».



Pour répondre à cet enjeu scientifique majeur et dépasser ces limites tout en conservant la précision et la transférabilité des calculs ab-initio, les approches récentes basées sur le Machine Learning (dites libres de paramètres) représentent une voie prometteuse. Il est proposé ici de développer des champs de force de type ML ou hybrides (i.e., adossés à des champs de force classiques) pour modéliser des verres d’oxydes de complexité croissante, avec pour objectifs de simuler leurs spectres RMN et Raman pour offrir une confrontation avancée avec l’expérience, et d’étudier leurs interactions avec l’eau dans la perspective d’alimenter un modèle Monte Carlo du comportement à l’altération des verres en cours de développement par ailleurs.