L’équipe du Master « Frontiers in Chemistry »
Le Tournoi Français des Chimistes (https://www.tfchim.fr/) a été créé en 2020 par plusieurs établissements de l’enseignement supérieur avec comme objectif la vulgarisation de la chimie et l’opportunité aux étudiants de discuter science autour de problèmes d’actualité. Durant leur semestre d’étude, les étudiants planchent sur des problèmes ouverts de chimie auxquels il faut trouver des solutions.
Les 23 et 24 mars dernier, les rencontres se sont déroulées à l’ENS de Lyon. Dix établissements se sont rencontrés lors de joutes oratoires scientifiques d’une grande qualité (Polytechnique, ENS-Lyon, ENS-PSL, ENS-Paris Saclay, ESPCI, Chimie Paris Tech, Sorbonne Université, Montpellier, Sherbrooke/Montréal et UPCité).
L’équipe du Master « Frontiers in Chemistry » de l’Université Paris Cité a su défendre son travail réalisé tout au long de l’année universitaire et est arrivée à la troisième place ex æquo avec l’équipe de Sherbrooke/Montréal, après les équipes de l’ENS-PSL et l’ESPCI.
Félicitations à nos 12 étudiantes et étudiants, ainsi qu’aux 3 enseignants-chercheurs quoi les ont accompagnés pendant toute l’année : Marion Giraud, Jean-François Lemineur et Samia Zrig.
À lire aussi
Cité de l’emploi, des stages et de l’alternance 2026 : venez rencontrer votre avenir !
Appel à contribution au Festival Double•Science 2026
Retour sur l’après-midi thématique « Féminisation des filières scientifiques : mythe ou réalité ? »
Retour en vidéo de l'après-midi thématique « Féminisation des filières scientifiques : mythe ou réalité ? » du 12 décembre 2025, organisée par la Mission EDI de la Faculté des Sciences. Le 12 décembre 2025, la mission Egalité Diversité Inclusion de la Faculté des...
Adrien Petralia, lauréat du prix de thèse 2025 « Think Smartgrids »
Adrien Petralia, ancien doctorant du LIPADE et membre du groupe diNo, a remporté le Prix de thèse 2025 décerné par l’association Think Smartgrids pour ses travaux intitulés « Deep Learning for Electricity Consumption Time Series Analytics » (Apprentissage profond pour...