L’intelligence artificielle au service des batteries
Une batterie nécessite plusieurs étapes de fabrication : préparation de la suspension, revêtement et séchage, calandrage de l’électrode, dépôt de l’électrolyte, et formation de l’interphase électrolytique solide. Ce processus nécessite une importante compréhension du comportement des matériaux utilisés afin d'optimiser les performances électrochimiques de la batterie. La modélisation numérique et l'analyse de données permettent d'accélérer cette compréhension grâce à une génération de données rapide et à une analyse quantitative en profondeur, cependant ces modélisations sont gourmandes en temps et en calculs.
Au cours de ces dernières décennies, des progrès significatifs ont été réalisés dans le domaine informatique, et ce faisant de l’intelligence artificielle (IA). L’IA est une source abondante d’algorithmes permettant de résoudre des problèmes liés à la prise de décision, l’accélération des calculs, ou encore à la segmentation de données.
En se focalisant sur le calcul de la viscosité d'une électrode avant séchage pour différents matériaux, les chercheurs ont trouvé un modèle prédictif utilisant l’analyse fonctionnelle, applicable à un grand nombre de chimies couramment utilisées dans le domaine des batteries (e.g. Nickel Manganese Cobalt Oxyde (NMC-111), Lithium-Iron-Phosphate (LFP), et Graphite). Ce modèle permet d’obtenir le résultat d'une simulation 11 fois plus vite qu’en appliquant la méthode numérique classique.
Figure : Graphiques de régression reflétant la précision du modèle pour faire des prédictions indépendamment des matériaux utilisés pendant la simulation.
Grâce à cette étude, Duquesnoy, et al, ont réussi à prédire le résultat d'une simulation à partir de ses premières valeurs numériques, réduisant considérablement le temps nécessaire à la paramétrisation de la modélisation. Cela permit donc de caractériser l’efficacité de la batterie lors des premières étapes de sa fabrication, et donc d'accélérer l'optimisation du processus de fabrication des batteries.
Les chercheurs espèrent maintenant pouvoir appliquer ce type d'analyse sur n'importe quelle étape de fabrication d’une cellule. Cependant, cela soulève des questionnements sur la généralisation à tous matériaux, ainsi que l’accumulation de données qui est très importante.
Retrouvez l'article complet : https://www.nature.com/articles/s41524-022-00819-2
Marc Duquesnoy a tout d’abord commencé ses études par deux années de classe préparatoire MPSI/MP au lycée Chatelet de Douai, afin d’intégrer une Licence 3 de Mathématiques à l’université de Lille. Cela lui a permis de s’orienter vers un Master Mathématiques Appliquées Statistiques dans la même université. Son but était alors d’obtenir des compétences théoriques et appliquées en mathématiques afin d’être en mesure d’analyser des données.
Il a ensuite rejoint le Laboratoire de Réactivité et Chimie des Solides (LRCS) en tant qu’ingénieur de recherches afin de travailler sur le stockage de données expérimentales issues de la fabrication des batteries, avec une composante IA pour l’analyse de ces données. Cela l’a conduit à rencontrer divers chercheurs de thématiques différentes, et lui a donné l’opportunité de se diriger vers un doctorat avec le Prof. Alejandro Franco, qui était la continuité de son travail d’ingénieur.
A travers son doctorat Marc Duquesnoy cherche à proposer des solutions autour de la 'data' pour optimiser le processus de fabrication des batteries lithium-ions, ainsi que des solutions intelligentes pour le stockage et l'analyse des données issues de modélisation du processus de fabrication des batteries. L’objectif étant de proposer une méthode générale d'analyses des simulations quels que soit les matériaux utilisés.
A la fin de ces trois années, il aspire à obtenir un poste fixe en tant que Data Scientist, si possible dans le domaine des batteries, mais il n’est pas fermé à d’autres projets tant ces derniers restent dans un domaine scientifique.
Grâce au RS2E, Marc Duquesnoy a pu obtenir de larges opportunités de projets, rencontrer tout un réseau d’acteurs, et a pour l’instant pu participer à la publication de plusieurs articles scientifiques.