Conception de verres et matériaux vitrocéramiques pour applications dans le stockage d’énergie par modélisation à haute performance – AMSES

Le projet AMSES s’inscrit dans le cadre du développement de solutions innovantes pour une énergie propre et durable, priorité du programme mondial de recherche sur l’énergie. Il concerne le développement de verres et de vitrocéramiques oxydes comme matériaux nouveaux dans les batteries solides de prochaine génération. Les verres et les vitrocéramiques offrent des avantages en terme de durabilité, sécurité et simplification de la conception. Leur utilisation dans des applications pratiques est cependant conditionnée à une meilleure compréhension de leur structure et de la dynamique des ions dans ces structures. L’objectif principal de ce projet est d’optimiser des matériaux de cathode en verres et vitrocéramiques tout en améliorant la compréhension de leurs propriétés à l’aide de méthodes à l’échelle atomique de type ab-initio. On se propose de combiner théorie et expériences pour concevoir des matériaux aux propriétés accrues, en mettant à profit la modélisation pour explorer et évaluer différentes compositions chimiques d’une famille de matériaux donnée. En suivant cette démarche, on s’assure d’une stratégie moderne et efficace pour optimiser la conception. Dans ce projet, le calcul haute performance (HPC) jouera un rôle déterminant. Il permettra de construire une base de données, issue de la modélisation, utilisable pour la synthèse et l’élaboration des matériaux via des approches de type apprentissage automatique (Machine Learning). Les résultats de ce projet devraient donc permettre de franchir un cap dans le développement et l’ingénierie des dispositifs de stockage d’énergie de prochaine génération. En ciblant les systèmes Na2O-V2O5-P2O5 (NVP) et Na2O-V2O5-TeO2 (NVT), AMSES vise plus précisément à atteindre les trois objectifs suivants : 1) obtenir des résultats de référence sur les verres de types NVP et NVT en exploitant les calculs de DFT (théorie de la fonctionnelle de la densité) et de dynamique moléculaire ab-initio (FPMD), 2) établir une base de données associant DFT-FPMD et « Machine Learning » et permettant d’obtenir rapidement et efficacement des modèles réalistes de verres et vitrocéramiques de type NVP et NVT et 3) synthétiser et caractériser expérimentalement (par DRX, spectroscopie Raman, microscopies et mesures électrochimiques) la structure et les propriétés électrochimiques des matériaux optimisés.