
BATMAN
Combiner l’intelligence artificielle aux modèles physiques pour développer de nouvelles batteries
Aperçu
Exploration de données, intelligence artificielle et jumeaux numériques pour la nouvelle génération de batteries
Pr. Mathieu Salanne (PHENIX, Sorbonne Université / CNRS)
Pr. Alejandro Franco (LRCS, Université de Picardie Jules Verne / CNRS)
La recherche sur le stockage de l’électricité utilise de plus en plus les simulations numériques, généralement basées sur des principes physiques. BATMAN vise à développer de nouveaux modèles intégrant les approches de la science des données et de l’intelligence artificielle. Trois objectifs principaux sont visés : trouver des électrolytes et des matériaux optimisés, comprendre les réactions chimiques aux interfaces des batteries, et optimiser les processus de fabrication. Le projet vise également à créer un jumeau numérique pour prédire les performances des batteries en fonction des propriétés des électrodes fabriquées.
Mots-clés
Simulations multi-échelles, intelligence artificielle, jumeaux numériques, criblage haut-débit, calcul haute performance, électrolytes, matériaux, procédés de fabrication
Actus en lien

Pas d’actualités
Les tâches
Nos recherches
Criblage de nouveaux matériaux pour les batteries de nouvelle génération
Le premier objectif est le « criblage haut débit » qui vise à identifier des électrolytes optimisés pour les batteries de prochaine génération et des matériaux adaptés aux dispositifs à haute puissance. Pour cela, des techniques bien établies, telles que les calculs de structure électronique ou les simulations de dynamique moléculaire, seront utilisées pour examiner de grandes bases de données de matériaux, qu’ils aient déjà été synthétisés ou non. Cela permettra de fournir des listes de compositions de matériaux ayant des performances améliorées pour les batteries.
Étude des interfaces de batterie par des approches machine-learning
Le deuxième objectif porte sur la compréhension des réactions chimiques qui se produisent aux interfaces des batteries. De nouveaux outils basés sur le machine-learning seront développés pour simuler les changements à l’interface électrode/électrolyte, en tenant compte des effets de la structure électronique dans les simulations de dynamique moléculaire. Ces avancées méthodologiques permettront de mieux comprendre des phénomènes tels que la croissance dendritique dans les batteries tout-solide et la décomposition de l’électrolyte sur les électrodes de batteries Na-ion.
Jumeaux numériques pour les procédés de fabrication des batteries
Le troisième objectif est de développer un « jumeau numérique » pour optimiser les processus de fabrication des batteries. Les électrodes des batteries sont composées de mélanges de différents matériaux, chacun ayant un rôle spécifique. Pour améliorer les performances, il est essentiel d’optimiser les propriétés texturales du composite et les interfaces entre les matériaux. Un jumeau numérique sera créé pour prédire les performances des batteries en fonction des propriétés des électrodes fabriquées.
Le consortium
5 laboratoires académiques, 2 instituts du CEA, l’IFPEN et le CINES
L’utilisation de simulations numériques et de l’intelligence artificielle ouvre de nouvelles perspectives passionnantes pour la recherche sur le stockage de l’énergie et le développement de batteries plus performantes. Au-delà des résultats obtenus concernant les matériaux d’électrodes et les électrolytes, BATMAN permettra de développer de nombreux outils numériques de criblage haut-débit, des potentiels d’interaction avancés et des jumeaux numériques qui pourront être réutilisés dans d’autres contextes, notamment sur les supercalculateurs Français.
Les simulations numériques permettent de réduire de manière drastique le nombre d’expériences nécessaires pour développer de nouveaux matériaux. L’optimisation de procédés de fabrication par des jumeaux numériques permet des économies importantes en consommation d’énergie et en utilisation de matériaux critiques.
Formation de 5 doctorants et 7 post-doctorants
