Electrolytes WiSE pour les batteries lithium-ion : étude par machine learning

Sujet détaillé

Les recherches portant sur les électrolytes aqueux superconcentrés en sels de lithium (WiSE pour Water-in-Salt Electrolytes) visent à une amélioration des batteries lithium-ion, qui sont au cœur de la nécessaire transition énergétique. Les retombées attendues concernent à la fois le développement durable et la sécurité.

Deux groupes du NIMBE ont joint leurs forces pour améliorer la compréhension de ces électrolytes superconcentrés. En complément d’expériences d’électrochimie et de RMN non conventionnelle, des simulations à l’échelle atomique sont réalisées. Cette composante théorique est essentielle pour interpréter les expériences et prédire les performances de ce type de batteries.

Une approche sophistiquée capable de décrire avec précision les interactions subtiles entre les ions et les molécules de solvant doit être adoptée. Elle doit rendre compte à la fois des propriétés structurales et dynamiques telles que l’auto-diffusion des différentes espèces ou la réorientation des molécules d’eau.

En pratique, une stratégie efficace doit combiner une économie en temps de calcul comparable à celles des simulations habituellement réalisées avec des champs de force classiques et la précision obtenue par les simulations dite ab initio, qui prennent en compte les propriétés quantiques des électrons. Durant ce stage, l’étudiant construira donc des potentiels de type “machine learning” basés sur des simulations ab initio en vue de produire des trajectoires longues (supérieures à la nanoseconde) de dynamique moléculaire. Leur analyse conduira notamment aux coefficients d’auto-diffusion des différentes espèces, qui seront comparés aux mesures expérimentales réalisées au sein du laboratoire.

Références :

• Liumin Suo et al., “Water-in-salt” electrolyte enables high-voltage aqueous lithium-ion chemistries. Science 2015, 350,938-943.
• Z. Hou, M. Dong, Y. Xiong, X. Zhang, Y. Zhu, Y. Qian, Formation of Solid–Electrolyte Interfaces in Aqueous Electrolytes by Altering Cation-Solvation Shell Structure. Adv. Energy Mater. 2020, 10, 1903665.
• Nikhil V. S. Avula, Michael L. Klein, and Sundaram Balasubramanian, Understanding the Anomalous Diffusion of Water in Aqueous Electrolytes Using Machine Learned Potentials. The Journal of Physical Chemistry Letters 2023, 14 (42), 9500-9507.

Lieu du stage

CEA Saclay, (91) Essonne, France

Conditions de stage

• Durée du stage : 6 mois
• Niveau d’étude requis : Bac+5
• Formation : Master 2
• Poursuite possible en thèse : Oui
• Date limite de candidature : 10 janvier 2025

Responsable du stage

Rodolphe Pollet
Tél. : 01 69 08 37 13
Email :