M2P2_HEA : Méthodologie multi-échelle pour la prédiction des propriétés des alliages à haute entropie

La mise en œuvre de la méthodologie multi-échelle contribuera non seulement à optimiser les catalyseurs déjà existants, mais permettra également d’accélérer la recherche de nouveaux matériaux aux propriétés spécifiques, ciblées vers une application prédéfinie. Un des aspects innovants du projet réside dans le fait qu’à notre connaissance, il n’y a pas encore de méthodologie prédictive, utilisant des réseaux de neurones construits à partir des données expérimentales, permettant de définir directement la structure et la composition d’un matériau à partir d’une propriété visée.

Pour atteindre l’objectif du projet, nous prendrons appui sur une approche reposant sur le couplage de méthodes d’intelligence artificielle (IA) basées sur des réseaux neuronaux avec des outils de simulations et de modélisation multi-échelles permettant de résoudre la structure et les propriétés thermodynamiques du système d’étude et de relier l’ensemble aux propriétés catalytiques d’intérêt. Le projet est structuré en deux étapes :

• Dans la première, nous développerons une procédure d’ajustement permettant d’obtenir la structure atomique 3D des matériaux à partir d’images de microscopie électronique en transmission (TEM) et des spectres d’absorption X (XAS). L’algorithme d’ajustement sera développé en utilisant des images TEM et de spectres d’absorption X de référence simulés au moyen de méthodes de la physique quantique à partir de matériaux in silico générés en utilisant des méthodes classiques (champs de force, Monte Carlo, Dynamique Moléculaire). Puis la procédure sera validée en confrontant les données calculées sur des matériaux dont on maîtrise l’élaboration, à des données expérimentales de microscopie et de spectroscopie afin d’obtenir un modèle atomistique des matériaux étudiés.
• Dans une seconde étape, la procédure d’ajustement du modèle atomistique sera utilisée pour déterminer la structure atomistique d’une collection d’échantillons réels à partir de leur caractérisation expérimentale XAS et TEM. Les propriétés catalytiques mesurées expérimentalement, associées à la structure atomistique des échantillons, seront utilisées pour instruire un réseau de neurones destiné in fine à la recherche de compositions et structures de matériaux a priori idéales à partir d’une application visée.

Les HEAs sont particulièrement adaptés pour le développement de la méthodologie envisagée car, en raison de leur nature multi-composante, ils offrent une grande quantité de configurations pouvant être utilisées pour valider le modèle atomistique. Pour les propriétés catalytiques, nous avons choisi la réaction d’oxydation de l’éthanol (EOR). C’est une molécule importante, utilisée aussi bien comme carburant qu’en tant que réactif pour la production de composés de valeur supérieure. En termes de prospective, cette méthodologie une fois développée devrait pouvoir être adaptée à d’autres systèmes de la science des matériaux tels que les matériaux multi-fonctionnels (propriétés électriques, magnétiques, optiques) et les matériaux pour la santé (propriétés mécaniques).

Le consortium est composé de cinq équipes. L’IPCMS (Strasbourg) est chargée du développement du modèle atomistique. Les HEAs seront synthétisés au LCMCP (Paris), caractérisés ex-situ et en conditions operando par spectroscopie d’absorption quick-EXAFS (SOLEIL) et par microscopie électronique (IPCMS) et testés en catalyse au LEM (Paris). L’IFPEN (Lyon) implémentera le modèle atomistique 3D validé pour entraîner les réseaux de neurones, utilisés ensuite pour guider la recherche de configurations spécifiques correspondant à la propriété catalytique désirée.