Assas Recherche | Intelligence Artificielle pour accélerer la fabrication et le design des batteries rechargeables

Intelligence Artificielle pour accélerer la fabrication et le design des batteries rechargeables (Document en Anglais, Anglais, Anglais, Anglais, Anglais)

Accès au(x) document(s)

Accéder au(x) document(s) :

Ce document est protégé en vertu du Code de la Propriété Intellectuelle.

Modalités de diffusion de la thèse :

Thèse consultable sur internet, en texte intégral.

Informations sur les contributeurs

Auteur : Duquesnoy Marc

Duquesnoy, Marc

Nom

Duquesnoy

Prénom

Marc

Nationalité

Français

Date de soutenance : 28-09-2023

Directeur(s) de thèse : Franco Alejandro Antonio

Franco, Alejandro Antonio

Nom

Franco

Prénom

Alejandro Antonio

Etablissement de soutenance : Amiens

Amiens

Nom

Amiens

Laboratoire : Laboratoire de réactivité et chimie des solides (Amiens ; 1968-....)

Laboratoire de réactivité et chimie des solides (Amiens ; 1968-....)

Nom

Laboratoire de réactivité et chimie des solides (Amiens ; 1968-....)

Ecole doctorale : École doctorale Sciences, technologie et santé (Amiens)

École doctorale Sciences, technologie et santé (Amiens)

Nom

École doctorale Sciences, technologie et santé (Amiens)

Informations générales

Discipline : Chimie. Chimie et Electrochimie des Solides
Classification : Chimie, minéralogie, cristallographie

Mots-clés libres : Intelligence Artificielle, Optimisation, Batteries
Mots-clés :

Batteries lithium-ion
Intelligence artificielle
Accumulateurs - Construction
Électrodes - Analyse des données
Énergie -- Stockage
Électrochimie
Modélisation prédictive

Résumé : Cette thèse présente les travaux de recherches effectués durant les 3 dernières années dans le contexte de la Data Science, et plus particulièrement autour de l'Intelligence Artificielle (IA), appliquée à l'optimisation du processus de fabrication des batteries et l'étude de leurs performances. Le travail global a été financé par ALISTORE-ERI, un réseau d'institutions menant des travaux de recherches dans le domaine des batteries et des matériaux pour les batteries. De plus, cette thèse a été partagée entre le Laboratoire de Réactivité et Chimie des Solides (LRCS) (Amiens, FRANCE) et CIDETEC Energy Storage (San Sebastian, SPAIN). Notre travail s'est focalisé sur le développement de plusieurs approches permettant d'identifier les effets des paramètres de fabrication sur la performance des électrodes, d'obtenir la prévision des propriétés des électrodes, ainsi que d'optimiser les performances et de prédire les meilleurs paramètres de fabrication associés. Toutes les données générées et utilisées dans les études proviennent principalement de 2 parties: le projet Européen ARTISTIC dirigé par le professeur Alejandro A. Franco au LRCS, permettant d'obtenir des données synthétiques issues des modèles physiques ainsi que des données expérimentales. L'autre partie étant CIDETEC Energy Storage, qui est une organisation de recherche spécialisée dans les nouvelles technologies autour des batteries, permettant d'obtenir des données expérimentales. L'ensemble de ces données nous a permis d'explorer certaines parties de l'espace des paramètres de fabrication pour l'étude de la dépendance entre ces paramètres et les propriétés des électrodes, donnant ainsi un chemin à suivre pour le développement de modèles prédictifs assistés par des techniques d'IA. Ces derniers modèles se sont avérés utiles pour la mise en places d'optimisations du processus de fabrication afin d'obtenir des résultats dépendant de l'application batterie associée. Egalement, ces données générées ont initié la mise en place d'une architecture de stockage des données issues de la simulation, afin d'optimiser la gestion des données du projet ARTISTIC. L'ensemble des données correspondent à différentes chimies des matériaux qui sont: oxyde de Nickel-Manganèse-Cobalt (LiNi1?x?xMnxCoxO2 (NMC111, NMC622, NMC811)), Graphite, et Lithium-Fer-Phosphate (LiFePO4). A la fin, le travail présenté dans cette thèse veut réduire l'écart existant entre les expérimentations et les simulations physiques notamment grâce à certains résultats issus de la modélisation qui ont été caractérisés expérimentalement. Parce que cette thèse valorise certaines études pour des parties spécifiques du processus de fabrication des batteries, nous avons la conviction que ces approches peuvent être transférées à d'autres études complexes liées à des applications de type batterie

Informations techniques

Type de contenu : Text, Text, Text, Text, Text
Format : PDF

Informations complémentaires

Entrepôt d'origine :

STAR : dépôt national des thèses électroniques françaises

Identifiant : 2023AMIE0016
Type de ressource : Thèse

Fiche descriptive