}

Vers la recherche automatisée de batteries

2020/11/24 Oier Lakuntza - CIC energiGUNE Iturria: Elhuyar aldizkaria

Beaucoup de gens travaillent à la recherche de batteries: dans le travail théorique, dans la synthèse des matériaux, dans la caractérisation… C'est un grand travail et les résultats arrivent souvent à une vitesse inférieure à celle souhaitée. L'intelligence artificielle pourrait grandement accélérer ce processus jusqu'à obtenir des composants de batteries neuves dans les laboratoires automatisés!

 

Ed. ????? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?

Comme le développement des appareils mobiles progresse, la nécessité de batteries pour stocker l'énergie dont les appareils ont besoin augmentera considérablement. En définitive, les véhicules électriques, l'utilisation d'énergies renouvelables, les drones et les implants sanitaires sont en constante expansion et pour répondre à ce développement, l'Europe devra pouvoir produire des batteries qui stockent une énergie totale comprise entre 200 GWh et 1 TWh.

Comme on le sait, les batteries lithium-ion (VOL) sont les plus utilisées aujourd'hui. Cependant, ces batteries atteignent déjà leur densité énergétique maximale, ce qui implique la recherche de nouveaux systèmes. Cependant, cela est généralement un travail laborieux. En fait, le tableau périodique offre un champ de composition très large, et une fois sélectionné l'un d'eux, il est indispensable de la synthétiser et d'analyser ses propriétés. En substance, c'est l'étape limitante dans la recherche de nouveaux matériaux, car il voit la validité de tout le travail effectué précédemment. Si aucun résultat satisfaisant n'est obtenu, il est nécessaire de redémarrer le processus dès le début.

Un projet de recherche mené par les chercheurs de CIC EnergiGUNE, Javier Carrasco et Marine Reinaud, vise à créer une plate-forme de développement de matériaux qui rationalise et englobe ce processus. Cette plateforme synthétisera et caractérisera de manière autonome des structures sélectionnées à partir de calculs atomiques de base, d'apprentissage automatisé et d'intelligence artificielle (IA), ce qui accélérera et englobera fortement le processus d'obtention de matériaux.

Procédure habituelle et antécédents d'automatisation

La recherche de nouveaux matériaux a toujours été un processus d'expérimentation basé sur l'intuition des chercheurs. Ce processus, long et coûteux, a donné de bons résultats dans la recherche sur la catalyse, les polymères et les électrolytes.

Laboratoire de CIC EnergiGUNE. Ed. CIC Energigune

Ce procédé est particulièrement efficace lorsqu'il est combiné avec des méthodes théoriques de grande précision. Dans la recherche de composants pour batteries, cette procédure a porté ses fruits pour valider les additifs d'électrolyte et analyser les conditions de préparation du composé LiNi1/3Mn1/3Co1/3O2 pour batteries au lithium.

Cependant, à mesure que le nombre de variables chimiques augmente, cette recherche systématique n'est pas rendue possible et il s'agit actuellement d'analyser les variables de manière sélective et de réduire les expériences à réaliser. Fondamentalement, le processus de recherche classique est géré comme un processus d'optimisation, et un algorithme de guidage de données remplace l'intuition chimique des chercheurs.

Lorsque peu de conditions expérimentales peuvent changer à la fois, les expériences réalisées par elles-mêmes sont viables. Par exemple, l'étude des conditions de synthèse des nanoparticules ou de la composition la plus appropriée des solvants a été réalisée par des expériences autonomes. Cependant, comme le nombre de variables à considérer augmente (conditions expérimentales, composition, etc.) D'autres méthodes sont nécessaires.

Robot M-ist Combi. Ed. Adapté de Solid State Ionics.

Les progrès réalisés dans les domaines de l'apprentissage automatique et de l'intelligence artificielle sont donc d'une grande aide pour résoudre ce problème. Par exemple, les algorithmes d'apprentissage automatique peuvent rechercher des rapports entre variables, ce qui peut servir à prédire les résultats des expériences effectuées dans certaines conditions. Ainsi, des expériences automatisées guidées par l'intelligence artificielle sont également étendues dans les sciences des matériaux. Preuve en sont les plateformes qui modifient de façon autonome leurs propriétés optiques et électriques en modifiant la composition ou les conditions de création des fins.

Les techniques d'obtention de nouveaux matériaux pour batteries sont également disponibles. Le problème est que les protocoles de synthèse et de caractérisation ne sont pas réglementés. C'est parce que, comme il s'agit de résultats souvent inconnus dans quelles conditions concrètes ont été obtenus, ces résultats ne peuvent pas être interprétés avec précision, ce qui les rend inapplicables universellement.

Projet en cours

Ce projet de CIC EnergiGUNE a deux objectifs principaux : d'une part, l'utilisation correcte des algorithmes d'intelligence artificielle pour la planification expérimentale et, d'autre part, le contrôle de la synthèse automatisée des matériaux à travers les résultats obtenus.

La plate-forme de développement des matériaux, à partir des calculs réalisés à travers les principes de base et les résultats des expériences précédentes, annoncera les résultats des expériences qui seraient effectuées en fonction des paramètres de contrôle. Le cas échéant, l'expérience sera réalisée de manière autonome, et en fonction des résultats obtenus, la procédure de synthèse sera affinée, en recherchant des relations entre les paramètres de contrôle établis et les résultats obtenus. Au contraire, si les résultats annoncés ne sont pas si souhaitables, il étudiera d'autres alternatives de synthèse.

Comme point de départ, la plateforme de développement des matériaux travaillera sur deux systèmes :

  • Li-Ni-Mn-Mg-Al-O: pour réduire la quantité de cobalt (Co) utilisée dans les électrodes de la plupart des VOLS commerciaux actuels, on a considéré de remplacer cet élément par du magnésium (Mg) ou de l'aluminium (Al).
  • NaMPO4 (M=Mn, Fe, Ni, Co): LiFePO4 étant la cathode de référence des OPS, il est important de bien étudier ce système, car ce serait la cathode parallèle dans les batteries de sodium ion.

Après avoir étudié ces deux systèmes, la plateforme de développement des matériaux et les connaissances acquises seront utilisées pour étudier d'autres systèmes d'intérêt pour de nouvelles batteries.

Par conséquent, on peut affirmer que l'intelligence artificielle est venue à la recherche de nouvelles batteries. En substance, après avoir beaucoup étudié l'intelligence artificielle, c'est maintenant l'intelligence artificielle elle-même qui commence à étudier ce que l'homme cherchait.

Gai honi buruzko eduki gehiago

Elhuyarrek garatutako teknologia