Jumeaux numériques pour l'optimisation de la fabrication des batteries au sodium-ion et à état solide

Digital twins for manufacturing optimization of sodium-ion and solid-state batteries

• Auteur / Autrice : Soorya Saravanan
• Direction : Alejandro Antonio Franco, Maxime Moreaud
• Type : Projet de thèse
• Discipline(s) : Chimie-Génie Electrochimique-25DCH0
• Date : Inscription en doctorat le 20/10/2023
• Etablissement(s) : Amiens
• Ecole(s) doctorale(s) : Sciences, Technologie, Santé
• Partenaire(s) de recherche : Laboratoire : LRCS - Laboratoire de Réactivité et de Chimie des Solides

Mots clés

Mots clés libres

Jumeaux numériques

Fabrication des batteries

Sodium-ion

Batteries à état solide

Digital twins

Battery manufacturing

Sodium ion

Solid-state batteries

Résumé

Le jumeau numérique nous permettra d'évaluer et d'optimiser les corrélations entre les paramètres de fabrication des électrodes (par exemple la formulation, le taux de séchage du solvant, la pression de calandrage) et les propriétés (par exemple les interfaces des matériaux), tant pour les SIB que pour les SSB. Ce jumeau numérique s'appuiera sur un cadre de modélisation de processus basé sur la physique combinant différentes méthodes de simulation (dynamique des particules à gros grains, méthode des éléments discrets, méthode Lattice Boltzmann) et des modèles d'apprentissage automatique, qui seront adaptés du flux de travail de modélisation ARTISTIC précédemment développé pour LIB (www.erc-artistic.eu). Ce cadre sera complété par des approches de conception de matériaux virtuels proposées dans la plateforme plug im (www.plugim.fr) telles que le modèle de microstructure contrôlé par agrégation ou l'homogénéisation FFT.

Digital twin will us allow to assess and optimize the correlations between electrode manufacturing parameters (e.g. formulation, solvent drying rate, calendering pressure) & properties (e.g. materials interfaces), for both SIBs and SSBs. Such digital twin will be supported on a physics-based process modeling framework combining different simulation methods (coarse-grained particle dynamics, discrete element method, Lattice Boltzmann method) and machine learning models, that will be adapted from the ARTISTIC modeling workflow previously developed for LIBs (www.erc-artistic.eu). This framework will be supplemented by virtual material design approaches proposed in the plug im platform (www.plugim.fr) such as aggregation-controlled microstructure model or FFT-homogenization.