ADVANCE : Vers une nouvelle génération de catalyseurs à haute entropie pour la production d’hydrogène : une conception accélérée par l’intelligence artificielle.

Le projet ADVANCE met en lumière les alliages de basse dimensionnalité et à haute entropie (LD-HEA) comme alternative révolutionnaire, ouvrant un vaste domaine de composition pour contourner les contraintes des catalyseurs traditionnels. Les HEA, qui se distinguent par leur composition multi-éléments dans des rapports quasi équimolaires, surpassent les alliages conventionnels en termes de performances et de stabilité. La faible dimensionnalité inhérente des LD-HEA amplifie la surface, optimise le transport de charges et accentue les traits de confinement quantique indispensables à la catalyse. Pourtant, naviguer dans le vaste espace de composition des LD-HEA n’est pas sans défis, englobant les subtilités de la détermination des compositions optimales, la complexité du traitement et la compréhension naissante de leur comportement nuancé. Pour relever ces défis, notre recherche associe des techniques d’intelligence artificielle (IA) à des méthodologies expérimentales et informatiques pratiques. Les objectifs de la proposition sont de trois ordres:

1. Utiliser l’IA pour la conception et la découverte de LD-HEA, en tirant parti de l’apprentissage automatique (Machine Learning –ML) pour prédire les performances catalytiques et concevoir des algorithmes pour une identification efficace.

2. Fabriquer et caractériser la structure des LD-HEA recommandés par l’IA.

3. Évaluer et étudier les performances électrocatalytiques de ces LD-HEA.

En conséquence, la proposition est structurée en trois tâches techniques (WP) :

• Le WP1 jette les bases en organisant une base de données complète pour les HEA. Ces données seront essentielles à l’élaboration d’un modèle ML qui, combiné à des algorithmes de recherche efficaces, est conçu pour identifier les LD-HEA dotés d’un potentiel catalytique supérieur.

• Le WP2 se concentre sur la validation théorique des candidats HEA suggérés par ML, en évaluant leur formabilité et leur stabilité. Ceux qui répondent aux critères requis seront fabriqués et soumis à une analyse structurelle approfondie à l’aide d’instruments de pointe.

• Le WP3 s’oriente vers l’étude catalytique, examinant les performances électrocatalytiques des LD-HEA produits à l’aide de diverses méthodes électrochimiques, tout en élucidant également le mécanisme catalytique sous-jacent. Les informations glanées lors des WP2 et WP3 seront réinjectées dans le WP1, affinant les prouesses prédictives du modèle ML et guidant la recherche de LD-HEA de tout premier plan.

Le consortium est une collaboration de trois laboratoires d’élite dotés d’expertises complémentaires : CINTRA se spécialise dans la synthèse et l’évaluation catalytique de LD-HEA, l’ICMCB excelle dans la modélisation informatique et la conception HEA basée sur l’IA et le CEA IRIG MEM offre une expertise inégalée en caractérisation compositionnelle et structurale.

Ce projet envisage une approche transformatrice de la conception de matériaux, où les informations basées sur l’IA guident le développement de catalyseurs. En intégrant de manière fluide l’IA aux méthodes expérimentales et de simulation, nous visons à mettre en avant les LD-HEA en tant que catalyseurs de nouvelle génération pour le fractionnement de l’eau. Les implications de cette recherche sont profondes, avec le potentiel de remodeler le paysage de la catalyse et d’accélérer la transition énergétique vers des solutions renouvelables. Cette synergie entre la conception de l’IA et de la HEA pourrait établir une nouvelle référence en matière de matériaux catalytiques avancés, nous guidant vers un avenir durable.