3 sujets /NIMBE/LEEL

Dernière mise à jour : 13-04-2021


 

Compréhension fondamentale et développement d'électrolytes aqueux concentrés pour les batteries Mg

SL-DRF-21-0413

Domaine de recherche : Chimie physique et électrochimie
Laboratoire d'accueil :

Service Nanosciences et Innovation pour les Materiaux, la Biomédecine et l’Energie (NIMBE)

Laboratoire d’étude des éléments légers (LEEL)

Saclay

Contact :

Magali GAUTHIER

Sophie LE CAER

Date souhaitée pour le début de la thèse : 01-10-2021

Contact :

Magali GAUTHIER
CEA - DRF/IRAMIS/NIMBE/LEEL

01 69 08 45 30

Directeur de thèse :

Sophie LE CAER
CNRS - DRF/IRAMIS/NIMBE/LIONS

01 69 08 15 58

Page perso : http://iramis.cea.fr/nimbe/Pisp/magali.gauthier/

Labo : http://iramis.cea.fr/nimbe/leel/

Il a longtemps été admis que les batteries aqueuses étaient limitées par la fenêtre de stabilité de l'eau (1,23 V), mais ce n'est plus le cas grâce aux électrolytes aqueux concentrés en sels (WISEs). Ce concept, impliquant des solutions aqueuses hautement concentrées, a conduit à une forte augmentation de la fenêtre de potentiel des batteries aqueuses au lithium. Elle s'explique principalement par l'absence de molécules d'eau libres et par le rôle crucial de l'interface basée sur l’anion du sel. Alors que les WISEs ouvrent la voie à des systèmes durables, ces solutions utilisent des sels coûteux et toxiques. Le magnésium et les sels associés sont une alternative intéressante : plus sûr, moins cher, plus abondant que le lithium et porteur de deux électrons. Pourtant, la seule batterie Mg aqueuse à base de WISEs reportée dans la littérature n'améliore que légèrement la fenêtre de potentiel à 2 V, sans une compréhension claire des mécanismes en jeu. Rationaliser la réactivité des solutions aqueuses concentrées en sels au niveau fondamental est essentiel pour concevoir des stratégies efficaces pour augmenter la fenêtre de potentiel des batteries aqueuses au Mg.



La thèse consistera d'une part en une approche de compréhension de ces phénomènes incluant des expériences originales telles que la radiolyse et la spectroscopie d’absorption des rayons X par rayonnement synchrotron, ainsi que le développement de solutions d'électrolytes innovantes.
Electrolytes solides composites pour batteries « tout solide » au sodium

SL-DRF-21-0385

Domaine de recherche : Chimie physique et électrochimie
Laboratoire d'accueil :

Service Nanosciences et Innovation pour les Materiaux, la Biomédecine et l’Energie (NIMBE)

Laboratoire d’étude des éléments légers (LEEL)

Saclay

Contact :

Saïd Yagoubi

Thibault CHARPENTIER

Date souhaitée pour le début de la thèse : 01-10-2021

Contact :

Saïd Yagoubi
CEA - DRF/IRAMIS/NIMBE/LEEL

+ 33 1 69 08 42 24

Directeur de thèse :

Thibault CHARPENTIER
CEA - DRF/IRAMIS/NIMBE/LSDRM

33 1 69 08 23 56

Page perso : http://iramis.cea.fr/Pisp/said.yagoubi/

Labo : http://iramis.cea.fr/nimbe/leel/

Voir aussi : http://iramis.cea.fr/nimbe/lsdrm/

Les batteries rechargeables au sodium métal tout-solide présentent un avantage considérable en terme de coût pour le stockage stationnaire à grande échelle et la mobilité électrique en raison de la très large disponibilité du sodium dans les océans. Cependant, les questions relatives à la sécurité causées par l'accroissement dendritique du Na pendant le cyclage restent à résoudre pour avoir une application pratique de cette technologie.



Les verrous à lever pour permettre le développement de cette technologie résident essentiellement dans la recherche de nouveaux électrolytes solides de très haute performance (conduction cationique proche du 1mS.cm-1 à température ambiante, nombre de transfert élevé, large fenêtre de stabilité électrochimique, stabilité thermique supérieure et suppression des dendrites). Dans les décennies passées, plusieurs genres d'électrolytes solides, tels que les polymères organiques et les céramiques inorganiques, ont été explorés. Ces électrolytes révèlent des avantages différents, mais leurs limitations intrinsèques entravent leur application pratique individuelle.



Une large part de cette thèse sera consacrée au développement des matériaux d’électrolytes solides composites qui peuvent afficher les avantages des polymères organiques et des céramiques inorganiques. La combinaison de techniques de caractérisation multi-échelle électrochimique, structurale, spectroscopique et analytique permettra d’approfondir la compréhension de la dynamique du sodium à travers les réseaux structurés de la batterie.





Mots clés : électrolyte solide, céramique, polymère, composite, batterie tout solide, interfaces, caractérisation multi-échelle de la dynamique de Na+, Na-dendrite, conductivité ionique, nombre de transfert, stabilité thermique, RMN du solide, DRX, EIS.

Machine learning avancé pour les spectroscopies d’analyse par faisceaux d’ions

SL-DRF-21-0448

Domaine de recherche : Data intelligence dont Intelligence Artificielle
Laboratoire d'accueil :

Service Nanosciences et Innovation pour les Materiaux, la Biomédecine et l’Energie (NIMBE)

Laboratoire d’étude des éléments légers (LEEL)

Saclay

Contact :

Hicham KHODJA

Date souhaitée pour le début de la thèse : 01-10-2021

Contact :

Hicham KHODJA
CEA - DRF/IRAMIS/NIMBE/LEEL

01 69 08 28 95

Directeur de thèse :

Hicham KHODJA
CEA - DRF/IRAMIS/NIMBE/LEEL

01 69 08 28 95

Page perso : http://iramis.cea.fr/Pisp/hicham.khodja/

Labo : http://iramis.cea.fr/NIMBE/LEEL/

Les spectroscopies par IBA (Ion Beam Analysis) permettent d'obtenir des cartographies chimiques quantitatives complètes (dont certains isotopes d'éléments légers) d'échantillons, sans avoir généralement recours à des références. Elles peuvent être résolues en profondeur, et lorsque ces techniques sont produites à l'aide d'un microfaisceau, on peut accéder à une imagerie chimique quantitative en 3 dimensions. Les domaines d'application sont variés, avec une prédominance des sciences des matériaux, parfois en mode operando.



Le traitement de ces données repose aujourd'hui sur l'ajustement des spectres produits par la simulation, chaque technique faisant appel à des champs distincts de la physique. Ce traitement est coûteux en temps, et l'on peut faire face à des situations où des données d'entrée des simulations sont manquantes.



Une autre approche s'appuyant sur l'apprentissage automatique à partir de données simulées est envisageable, mais les premières explorations reportées dans la littérature se sont limitées à des situations simples, monotechniques. Aujourd'hui de nouvelles architectures d'apprentissage sont disponibles et permettent d’entrevoir l'amélioration significative des temps de calcul comparés à ceux des outils d'ajustement des spectres expérimentaux, et ce par l'établissement de modèles prédictifs robustes.



La thèse proposée consistera à étudier et déterminer l'architecture d'apprentissage la plus adaptée, en particulier pour la discrimination et la prise en compte des signaux de faibles intensités, et à enrichir à partir de modèles génératifs les dictionnaires de spectres et les bases de données fondamentales nécessaires à la simulation.

• Chimie physique et électrochimie

• Data intelligence dont Intelligence Artificielle

 

 

Retour en haut