Amélioration et extension d’un modèle de champ de phase pour la simulation 3D de phénomènes d’importance dans le comportement des batteries lithium-ions

Que ce soit pour l’optimisation du temps de charge des batteries de générations actuelles ou l’augmentation de la densité de puissance pour les générations futures, l’étude du comportement des matériaux est crucial pour maîtriser les mécanismes de lithiation des matériaux d’intercalations (ex graphite) et les mécanismes de « stripping/plating » du lithium métal. Dans ce contexte, le recours à des simulations numériques par champ de phase est en plein essor; ces méthodes se prêtant à la modélisation de phénomènes dynamiques pour des systèmes multiphasiques et multiconstituants.
Récemment, un module de champ de phase 2D de TrioCFD (logiciel libre développé au CEA basé sur la plateforme TRUST) a été généralisé à un nombre arbitraire de constituants ou de phases. Ce projet post-doctoral vise à améliorer et à étendre ce module de TrioCFD à des simulations 3D performantes dans un environnement de calcul parallèle distribué. L’objectif est d’utiliser ce module pour simuler les comportements physiques d’intérêt 3D des matériaux de batteries lithium-ions susmentionnées. On s’appuiera sur des travaux champ de phase 2D récents qui ont permis d’apporter un certain nombre de réponses originales et pertinentes à ces problématiques. Le passage à des simulations 3D permettra d’offrir des perspectives scientifiques essentielles pour ces applications.
Ce travail sera réalisé dans le cadre d’une collaboration entre plusieurs équipes du CEA des centres de Cadarache, Grenoble et Saclay, réunissant des expertises variées (comportement des batteries lithium-ions, méthode de champ de phase, environnement logiciel TrioCFD et méthodes numériques).

Prédiction de propriétés de corrosion par le calcul thermodynamique et l'intelligence artificielle

L'objectif du projet CORRTHIA est de démontrer la pertinence de l’utilisation du calcul thermodynamique pour la prédiction de propriétés de corrosion par des modèles d'IA.
La corrosion est un phénomène complexe, difficile à décrire avec les modèles physiques actuels. C’est pourquoi la connaissance du comportement d'un matériau requiert des expériences longues. L'utilisation d'IA pour prédire les propriétés de corrosion est une méthode prometteuse pour la conception accélérée de matériaux, puisqu'elle peut limiter les expériences nécessaires en sélectionnant des matériaux pertinents. Ce thème s'inscrit dans la stratégie du CEA concernant la conception numérique de matériaux et dans les objectifs du PEPR DIADEME.
Ce travail s'appuiera sur l'expertise en matière de corrosion et de calcul thermodynamique de l'équipe de la DES et l’expérience en matière d'IA des partenaires de la DRT.
Nous considérerons l'oxydation à haute température (> 500°C) d'alliages métalliques pour limiter la gamme de compositions et les différents environnements possibles. Il est attendu que les aspects thermodynamiques jouent un rôle important dans ces conditions. La relative rareté des données de corrosion impose un travail de constitution du jeu de données (Lot 1) basé sur des données publiés dans la littérature ouverte ou internes au S2CM. Ces données seront enrichies de résultats de calculs thermodynamiques. Ce jeu de données augmenté sera utilisé pour entraîner des modèles d'IA.

Calcul de la conductivité thermique du combustible UO2 et l’influence des défauts d’irradiation

L’étude du comportement sous irradiation du combustible nucléaire fait l’objet de simulations dont les résultats dépendent étroitement de ses propriétés thermiques et de leurs évolutions avec la température et l’irradiation. La conductivité thermique de l’oxyde 100% dense peut à présent être obtenue par dynamique moléculaire à l’échelle du monocristal, en calculant les constantes de forces d’ordre 2, 3 et 4[1], mais l’effet de défauts comme les défauts induits par l’irradiation (boucle d’irradiation, amas de lacunes) voire même des joints de grains (céramique avant irradiation) restent difficiles à évaluer de façon couplée.
L’ambition de ce travail est d’inclure des défauts dans des supercellules et de calculer leur effet sur les constantes de force. En fonction de la taille des défauts considérés nous utiliserons soit la DFT soit un potentiel empirique ou numérique pour effectuer la dynamique moléculaire. AlmaBTE permet de calculer la diffusion des phonons par des défauts ponctuels [2] et le calcul de la diffusion des phonons par les dislocations et leur transmission à une interface ont aussi été récemment implémentés. Ainsi, le chaînage calculs atomistiques / AlmaBTE permettra de déterminer l’effet de la miscrostructure polycristalline et des défauts d’irradiation sur la conductivité thermique. A l’issue de ce post-doc, les propriétés obtenues seront utilisées dans les outils de simulation existants afin d’estimer la conductivité d’un élément de volume (effet additionnel de la microstructure notamment du réseau poreux, méthode FFT), donnée qui sera enfin intégrée dans la simulation du comportement de l’élément combustible sous-irradiation.
Le travail s’effectuera au sein du Département d’Études des Combustibles du CEA, dans un environnement scientifique caractérisé par une grande expertise sur la modélisation des matériaux, en collaboration étroite avec d’autres équipes du CEA à Grenoble et en région parisienne expertes des calculs atomistiques. Les résultats

Application de l’intelligence artificielle à l’identification d’objets dans des images de microscopie électronique en Transmission (TEM)

La caractérisation d’objets de taille nanométrique par microscopie électronique à transmission (MET) est essentielle pour évaluer le comportement mécanique des matériaux de structure des réacteurs nucléaires ou dans le domaine de la nanotechnologie. Ces objets, visibles par contraste de phase (nanobulles) ou contraste de diffraction (boucles de dislocation ou précipités cohérents), sont des candidats de choix à l'automatisation. L'analyse manuelle de ces micrographies est souvent chronophage et non reproductible. Dans ce projet, l'objectif est de développer des outils informatiques en Python basés sur des techniques d'apprentissage automatique pour traiter des images de MET. Pour cela, le travail se décompose en plusieurs tâches:
- Recueil d’une base de données conséquente, indispensable au succès de toute approche de ce type. Dans ce projet, quatre microscopistes sont impliqués et enrichiront en permanence la base de données avec des images contenant des caractéristiques facilement reconnaissables.
- Débruitage des images et recherche des contours des objects (défauts) à la fois grâce à des logiciels en libre accès existants et à des descripteurs développés en interne. Une région d'intérêt (ROI) représentative sera générée sur les images.
- Conception de l'architecture du réseau de neurones de type CNN et apprentissage du modèle: Une identification collective sera effectuée sur l'ensemble des images afin d'identifier certaines régions (ou objets) d’intérêt (ROI). Chaque ROI est ensuite superposé à l’image initiale et est transmise au réseau de neurones pour établir des identifications particulières. Par ailleurs, les avancées récentes en matière de segmentation d'images seront intégrées au processus.
- Appréciation de la performance du modèle
Le processus sera appliqué à des défauts nanométriques formés dans des matériaux nucléaires (alliages à haute entropie sans Co, UO2) ainsi qu’à des précipités dans des matériaux d'intérêt technologique (Cr dans Cu).

Dispositifs photoniques IV-IV à déformation pilotable : application à l’émission et la détection de lumière

La déformation de la maille cristalline d’un semi-conducteur est un outil très puissant permettant de contrôler de nombreuses propriétés telles que sa longueur d’onde d’émission, sa mobilité … Un enjeu de premier plan est de pouvoir générer cette déformation dans des gammes importantes (multi%), et de manière réversible et contrôlée. L’amplification locale de la déformation est une technique récente permettant d’accumuler localement dans une constriction micronique, telle qu’un micropont, des quantités significatives de déformation (jusqu’à 4.9% pour Ge [1]). Cette approche a été mise en œuvre dans des architectures de microlasers en GeSn ainsi fortement déformés au sein du laboratoire SiNaPS [2]. Ces structures ne permettent cependant pas aujourd’hui de moduler sur demande la déformation et la longueur d’onde d’émission imposées au sein d’un même composant, celle-ci étant gelée par « design ». L’objectif de ce post doctorat de 18 mois est donc de réaliser des dispositifs photoniques de la famille des MOEMs (microsystèmes opto-électro mécaniques) permettant de combiner l’amplification locale de la déformation dans le semi-conducteur, à une fonction d’actionnement via un stimulus externe, pour aller vers 1-une microsource laser accordable large bande en longueur d’onde et 2-de nouveaux types de photodétecteurs, le tout en technologie IV-IV (Si, Ge, et Ge1-xSnx). Le ou la candidat(e) mènera plusieurs tâches:
a-la simulation du fonctionnement mécanique des composants en utilisant des logiciels de type FEM, et le calcul des états électroniques du semiconducteur déformé
b-sur la base des résultats obtenus en a, la réalisation des composants en salle blanche (PTA: lithographie, gravure sèche, métallisation, bonding)
c-la caractérisation optique et matériau des composants fabriqués (microRaman, PL, photocourant, MEB…) à l’IRIG-PHELIQS et au LETI.
[1] A. Gassenq et al, Appl. Phys. Lett.108, 241902 (2016)
[2] J. Chrétien et al, ACS Photonics 6, 10, 2462–2469 (2019)

Distribution des energies d’hydrolyse dans des verres modèles par simulation moléculaire et Machine Learning

L'objectif de ce projet est de développer un outil basé sur la modélisation moléculaire combinée à des techniques de Machine Learning pour estimer rapidement des distributions d'énergie d'hydrolyse et de reformation des liaisons chimiques à la surface de verres alumino silicates (SiO2+Al2O3+CaO+Na2O).
La première étape consistera à valider les champs de force classiques utilisés pour préparer des systèmes SiO2-Al2O3-Na2O-CaO hydratés par comparaison avec des calculs ab initio. La métadynamique sera utilisée pour comparer les mécanismes élémentaires.
L'étape suivante consistera à effectuer des calculs avec les champs de force classiques et la méthode dite "Potential Mean Force" pour estimer les distributions d'énergies d'hydrolyse et de reformation des liaisons chimiques sur de larges statistiques. Puis, grâce aux approches de Machine Learning et aux descripteurs structuraux, nous essaierons de corréler les caractéristiques des environnements locaux et ces énergies d'hydrolyse et de reformation des liaisons. Des méthodes comme le "Kernel Ridge Regression", le "Random Forrest", ou le "Dense Neural Network" seront comparées.
Au final, un outil générique sera disponible pour prédire rapidement les distributions des énergies d'hydrolyse et de reformation des liaisons pour une composition donnée de verre.

Intégration d’un pouvoir d'arrêt électronique ab initio dans les simulations de dynamique moléculaire des cascades de déplacement dans les semiconducteurs

En environnement radiatif, les effets de déplacements atomiques peuvent entrainer la dégradation des performances des composants électroniques et optoélectroniques. Dans les semiconducteurs constituant ces composants, ils créent des défauts à l’échelle atomique, qui modifient le nombre de porteurs libres et donc altérent les performances du composant.
Afin de mieux comprendre les phénomènes physiques à l’origine de ces dégradations, les effets de déplacement sont bien reproduits par simulation à l’aide de méthode de dynamique moléculaire classique. Néanmoins, une compréhension plus fine de l’influence de la structure électronique du matériau sur le nombre de défauts créés lors de la cascade de déplacement est nécessaire pour avoir des simulations précises. Pour cela, un modèle nommé électron-phonon EPH a été développé. L’objectif de ce post-doctorat sera de nourrir ce modèle avec des calculs ab initio puis de le paramétrer afin d’effectuer des simulations de dynamique moléculaire pour plusieurs semiconducteurs utilisés dans les technologies microélectroniques actuelles. Les résultats obtenus serviront à mieux comprendre et améliorer si besoin le modèle EPH.

Aimants permanents pauvres en terres rares

La transition énergétique va entrainer une très forte croissance de la demande en terres rares (TR) au cours de cette décennie, notamment en ce qui concerne les éléments (Nd, Pr) et (Dy, Tb). Ces TR, classées comme matériaux critiques, sont utilisées de façon quasi exclusive pour produire des aimants permanents de type NdFeB dont ils constituent 30% de la masse.
Plusieurs études récentes, visant à identifier de nouveaux alliages pauvres en TR et présentant des performances comparables à la phase magnétique dense Nd2Fe14B, positionnent les composés ferromagnétiques durs de type TR-Fe12 comme des solutions de substitution crédibles, permettant d'économiser plus de 35% la quantité de TR tout en gardant des propriétés magnétiques intrinsèques proches de celles de la composition Nd2Fe14B. Cependant, les développements industriels de ces alliages ne peuvent pas encore être envisagés du fait de verrous technologiques et scientifiques importants qui restent à lever afin de pouvoir produire des aimants denses de type TR-Fe12 dont la résistance à la désaimantation serait suffisante pour les applications courantes (coercitivité Hc > 800 kA/m)..
Le but du projet post-doctoral proposé est de développer des alliages Nd-Fe12 avec des performances magnétiques intrinsèques optimales et de maitriser le frittage basse températures des poudres nitrurées pour obtenir des aimants denses, avec des coercitivités > 800 kA/m, pour répondre à des applications dans la mobilité électrique.
Deux verrous technologiques et scientifiques ont été identifié:
- la compréhension du rôle des phases secondaires aux joint de grains sur la coercitivité. Ceci permettra d'implémenter le procédé d'ingénierie aux joints de grains, connu pour avoir apporté des améliorations significatives dans la coercitivité pour les aimants NdFeB
- la maitrise de l'étape de frittage des poudres à basses températures, pour éviter la décomposition de la phase magnétique, en utilisant les phases aux joints de grains

Simulation d'un milieu poreux soumis à des impacts à haute vitesse

La maîtrise de la réponse dynamique de matériaux complexes (mousse, céramique, métal, composite) suite à des sollicitations intenses (dépôt d’énergie, impact hyper-véloce) est un enjeu majeur pour de nombreuses applications développées et conduites par la Direction des Applications Militaires (DAM) du Commissariat à l’Energie Atomique et aux Energies Alternatives (CEA). Dans cette optique, le CEA CESTA développe des modélisations mathématiques du comportement de matériaux face à des impacts hypervéloces. Ainsi, dans le cadre de l’ANR ASTRID SNIP (Simulation Numérique des Impacts dans les milieux poreux) en collaboration avec l’IUSTI (Université Aix-Marseille), des études sur le thème de la modélisation des matériaux poreux sont menées. Elles ont pour objectif d’aboutir à l’élaboration de modèles innovants plus robustes et palliant les déficits théoriques des méthodes existantes (consistance thermodynamique, préservation du principe d’entropie) Dans le cadre de ce post-doc, le candidat devra effectuer, dans un premier temps, une revue bibliographique pour comprendre les méthodes et modèles développés au sein de l’IUSTI et du CEA CESTA et comprendre leurs différences. Dans un second temps, il étudiera la compatibilité entre le modèle développé à l’IUSTI et les méthodes de résolution numériques utilisées dans le code de calcul de dynamique rapide du CEA CESTA. Il proposera des adaptations et des améliorations de ce modèle pour prendre en compte l’ensemble des phénomènes physiques que l’on souhaite capturer (plasticité, contraintes de cisaillement, présence d’inclusions fluides, endommagement) et rendre son intégration dans le code de calcul possible. Après une phase de développement, la validation de l’ensemble de ces travaux sera effectuée via des comparaisons avec les modèles physico-numériques existants ainsi que la confrontation avec les résultats expérimentaux d’impacts issus de la littérature et/ou effectués au CEA/DAM.

Développement d'un procédé de croissance cristalline

Dans le cadre de la réalisation de composants optiques de grandes dimensions pour le Laser MégaJoule, il est nécessaire d'étudier la croissance des cristaux de DKDP (KDP deutéré). Ils sont traditionnellement produits par croissance lente (la durée de croissance dépasse deux ans). Mais le laboratoire propose ici d'étudier une méthode rapide de croissance réduisant le délai de fabrication à quelques mois.

Top