• Financement : ANR, Artois
  • Année de début de thèse :
  • 2023

Résumé

Au cœur de la transition énergétique en cours, les cellules de batterie au lithium-ion se positionnent comme l’élément central, notamment face aux efforts massifs d’électrification dans le secteur automobile motivés par les préoccupations liées au changement climatique. Les fabricants s’efforcent de mettre en place des gigafactories afin de réduire les coûts de production, redessinant ainsi le paysage industriel. Au cœur de ce bouleversement se trouve le besoin pressant d’optimiser efficacement ces batteries, en vue d’augmenter le volume de production tout en maintenant une qualité cellulaire impeccable.

Ce projet de thèse propose une approche novatrice : le développement de modèles de substitution visant à prédire et à optimiser les hétérogénéités inhérentes au fonctionnement des électrodes de batterie. En exploitant des techniques d’intelligence artificielle de pointe, telles que les réseaux génératifs adverses, ces modèles visent à prévoir efficacement les variations opérationnelles liées aux conditions des électrodes. En intégrant harmonieusement ces modèles dans des boucles d’optimisation, l’étude vise à offrir des recommandations personnalisées pour améliorer la performance des électrodes. De plus, nous envisageons une phase de validation empirique impliquant des caractérisations électrochimiques afin de vérifier l’exactitude des prédictions. Cette démarche représente une avancée significative vers la révolution du paysage industriel et assure la progression durable de la technologie des batteries au lithium-ion à l’ère de la transformation énergétique.