Thématique(s)
Descriptif des activités de recherche
La technologie de batterie lithium-ion (LIB) a atteint une densité d'énergie très élevée en début de sa création (BOL), mais les durées de vie significatives (10-15 ans) ciblées pour les véhicules électriques et les applications stationnaires, la prédiction d’une fin de vie choisie (EOL) est de la plus haute importance - indépendamment de la chimie LIB exacte. La conception de prédicteurs de la durée de vie, d’évaluateurs de santé appropriés et d’un soutien non négligeable aux stratégies d’atténuation du vieillissement constitue une tâche très difficile compte tenu des multiples mécanismes de dégradation des matériaux liés à la durée de vie et au cycle de vie. La composition de l'électrolyte, la chimie des matériaux actifs, les liants et les additifs des électrodes, le procédé de fabrication et les conditions de fonctionnement influent tous sur le vieillissement. Étant donné que le processus de dégradation commence en général très lentement, la collecte de données de dégradation est une tâche longue et coûteuse, raison pour laquelle des protocoles de vieillissement accéléré sont mis en œuvre, mais leur représentativité est toujours mise en doute. Dans le cadre de la présente thèse, intelligence artificielle pour la prédiction de la durée de vie des batteries, on s’intéresse à développer et à démontrer une plate-forme informatique basée sur Machine-Learning (ML), capable à terme de prédire la durée de vie de la batterie en fonction d'un large spectre de propriétés de cellules et de conditions de fonctionnement. Titre du sujet de Thèse : intelligence artificielle pour la prédiction de la durée de vie des batteries.Parcours
- Master en Analyse Appliquée et Modélisation à l’Université UPJV - UFR des Sciences - Université de Picardie Jules Verne, Amiens, France, en 2018
- Diplôme d'ingénieur en statistique à l'institut National des Statistiques et d'Economie Appliquées, Rabat, Maroc, en 2017.
Compétences
- Python, Matlab, Scilab.
- Modélisation multi échelle des sciences des matériaux, approximation numérique, calcul scientifique.
- Traitement de données, Processus stochastiques, Probabilité, Simulation, Modélisation statistique, Analyse numérique.
Projets en cours
Financé par ALISTORE ERI
LIBAC: An Annotated Corpus for Automated “Reading” of the Lithium-Ion Battery Research Literature
Hassna El-Bousiydy, Javier F. Troncoso, Patrik Johansson, and Alejandro A. Franco
Chemistry of Materials, 2023
Artificial Intelligence Applied to Battery Research: Hype or Reality ?
Teo Lombardo, Marc Duquesnoy, Hassna El-Bouysidy, Fabian Årén, Alfonso Gallo-Bueno, Peter Bjørn Jørgensen, Arghya Bhowmik, Arnaud Demortière, Elixabete Ayerbe, Francisco Alcaide, Marine Reynaud, Javier Carrasco, Alexis Grimaud, Chao Zhang, Tejs Vegge, Patrik Johansson, and Alejandro A. Franco
Chemical Reviews, 2021
What can text mining tell us about lithium‐ion battery researchers’ habits?
Hassna El-Bousiydy, Teo Lombardo, Emiliano N. Primo, Marc Duquesnoy, Mathieu Morcrette, Patrik Johansson, Patrice Simon, Alexis Grimaud, Alejandro A. Franco
Batteries & Supercaps, 2021
