Newsroom

Trier par :
Temps de lecture Trier par temps de lecture (croissant) Trier par temps de lecture (décroissant)
Date Trier par date de création (croissant) Trier par date de création (décroissant)
Prédiction du vieillissement des batteries par l’IA
Recherche fondamentale
Actualités 21 février 2025

Prédiction du vieillissement des batteries par l’IA

Pour répondre aux enjeux climatiques, la transition vers des énergies renouvelables et la décarbonation des transports sont incontournables, avec un rôle central dévolu à la mobilité électrique et aux batteries lithium-ion. Le vieillissement des batteries est un phénomène complexe, influencé par un grand nombre de facteurs, et nécessite des modèles robustes pour prédire et optimiser leur utilisation. Les travaux de thèse de Quentin Mayemba ont abouti à un modèle innovant de machine learning généraliste capable de s’adapter à divers jeux de données pour prédire le vieillissement des batteries. Ces contributions, d’une grande valeur pour la communauté scientifique, fournissent des outils solides et des perspectives nouvelles pour le développement de méthodologies adaptées à l’étude des batteries lithium-ion.

Visualisation du lithium dans les électrodes des batteries pour comprendre les mécanismes de leur vieillissement
Recherche fondamentale
Actualités 21 février 2025

Visualisation du lithium dans les électrodes des batteries pour comprendre les mécanismes de leur vieillissement

Ces dernières années, les batteries lithium-ion, utilisées dans divers appareils électroniques et véhicules, font face à des défis de durabilité et de disponibilité du lithium, nécessitant une meilleure compréhension de leurs mécanismes de vieillissement. A cette fin, le projet ANR Micro-Q-Li, en collaboration avec l’Institut Lumière Matière, a développé un prototype d’imageur LIBS amélioré qui atteint une résolution spatiale de 1,5 µm, surpassant les limitations des techniques analytiques traditionnelles pour l'imagerie du lithium.