Flash Info
Stratégie nationale PEPR Batteries

BATteries: data Mining, Artificial intelligence and digital twins for the Next generation

BATMAN

Mots-clés : machine-learning, calcul haute performance, criblage haut-débit, batteries Na-ion, batteries tout-solide

Résumé

La recherche sur le stockage de l'énergie est principalement guidée par des découvertes expérimentales. Cependant, les simulations numériques jouent un rôle croissant grâce à l'amélioration constante des algorithmes et des logiciels, ainsi que des moyens de calcul disponibles. L'étape suivante consiste à introduire l'intelligence artificielle dans le développement des batteries de nouvelle génération. Plus précisément, nous visons trois objectifs pour lesquels les expériences seules ne peuvent apporter de réponses définitives :

 


i/ La mise en oeuvre une méthodologie de criblage haut débit adaptée aux cas spécifiques des interfaces du Li métal avec les électrolytes des batteries tout-solide (SSB), des électrolytes des batteries Na-ion (SIB), et des matériaux 2D pour les batteries de haute puissance. Pour chacune de ces applications, nous visons à fournir des listes de compositions de matériaux/liquides aux performances exacerbées.

 


ii/ Le développement de nouveaux outils pour simuler les changements qui se produisent à l'interface électrode/électrolyte, en tirant parti des progrès récents du machine-learning pour inclure efficacement les effets de la structure électronique dans les simulations de dynamique moléculaire. Ces avancées méthodologiques sont implémentées dans des logiciels existants, permettant ainsi de simuler les mécanismes de croissance dendritique se produisant dans les SSBs, la décomposition de l'électrolyte à la surface des électrodes de SIBs et l'estimation de la capacité des dispositifs de haute puissance.

 


iii/ Le développement d’un jumeau numérique capable de prédire et d'optimiser le lien entre la fabrication, les propriétés des électrodes et les performances pour les technologies SIB et SSB. Ce jumeau numérique comprendra des modèles physiques couplés et simulant séquentiellement chaque étape du processus et les performances électrochimiques des électrodes, ainsi que des modèles de machine-learning pour gérer les interdépendances. Il sera disponible sur un site web pour une utilisation au sein de la communauté.

 

L'auteur de ce résumé est le coordinateur du projet, qui est responsable du contenu de ce résumé. L'ANR décline par conséquent toute responsabilité quant à son contenu.

Informations générales

Acronyme projet : BATMAN
Référence projet : 22-PEBA-0002
Région du projet : Île-de-France
Discipline : 2 - SMI
Aide PIA : 2 998 355 €
Début projet : janvier 2023
Fin projet : décembre 2028

Coordination du projet : Mathieu SALANNE
Email : mathieu.salanne@sorbonne-universite.fr

Consortium du projet

Etablissement coordinateur : Sorbonne Université
Partenariat : CEA Paris, CNRS délégation Occitanie Est, Université de Toulouse, Centre Informatique National de l'Enseignement Supérieur, IFP Energies Nouvelles

Liens utiles

Explorez notre base de projets financés

 

 

L’ANR met à disposition ses jeux de données sur les projets, cliquez ici pour en savoir plus.

Inscrivez-vous à notre newsletter
pour recevoir nos actualités
S'inscrire à notre newsletter