NACRE : NAnoparticules bimétalliques, ordre Chimique et appRentissage automatiquE

L’utilisation de catalyseurs bimétalliques permet, par exemple, une amélioration considérable de l’activité, la sélectivité et de la stabilité par rapport aux nanoparticules monométalliques. Prédire les propriétés physico-chimiques des telles BNPs reste pourtant extrêmement difficile car elles dépendent de nombreux paramètres comme la composition chimique, la taille, l’environnement, l’ordre chimique etc. De part de leur complexité, leur caractérisation peut être largement améliorée par des approches basées sur l’IA.

Grâce à nos travaux récents sur la quantification chimique résolue spatialement de BNPs d’AgAu individuelles et à l’utilisation de différentes approches d’apprentissage automatique, nous pouvons aujourd’hui procéder à une caractérisation complète de telles BNPs. Elle concerne non seulement la taille, la forme et l’environnement, mais également l’ordre chimique, c’est-à-dire la distribution élémentaire à l’intérieur de BNPs de taille inférieure à 10 nm. Cette dernière propriété était jusqu’à présent extrêmement difficile à quantifier malgré son importance, notamment en catalyse où les BNPs changent souvent d’ordre chimique pendant un cycle catalytique.

Nous proposons de développer des procédures standardisées pour la caractérisation de BNPs en relation avec la catalyse hétérogène et d’autres applications comme le stockage d’hydrogène. Nous travaillons avec des BNPs non-oxydées et sans surfactants, fabriquées en phase gazeuse dans une source d’agrégats qui permet le contrôle indépendant des paramètres les plus importants : composition chimique, taille et environnement. Différentes techniques de microscopie électronique à transmission (imagerie, spectroscopie avec sélectivité chimique EDX et EELS, in situ ou sous atmosphère et température contrôlées, en deux et trois dimensions) sont ensuite utilisées pour déterminer l’état fondamental des BNPs et leurs transformations chimiques durant des cycles redox. Des méthodes complémentaires d’apprentissage automatique sont utilisées pour (1) le traitement avancé des données, notamment concernant des corrélations spectrales et spatiales et pour (2) l’optimisation des potentiels interatomiques dans des simulations atomistiques. (3) Les données de référence ainsi obtenues alimenteront des bases de données combinant résultats expérimentaux et théoriques pour le développement accéléré de nouveau matériaux par intelligence artificielle au sein du réseau DIADEM.

Des systèmes de référence bien établis comme le PtPd ou l’AuPd seront utilisés au début pour établir les procédures de mesure et de traitement des données. Dans un deuxième temps, nous étudierons le remplacement partiel d’éléments polluants et chers comme le Pt ou le Pd par d’autres comme le Fe, Cu ou Ti, plus abondants et moins chers.

Le projet NACRE regroupe l’expertise dans la fabrication et l’étude des propriétés physico-chimiques des BNPs, les méthodes variées de microscopie électronique, le développement et l’interprétation de routines d’apprentissage automatique et les simulations atomistiques des structures et réactivités des BNPs. Il est basé sur les infrastructures complémentaires du projet ciblé METSA-SET-DIA au CEA Grenoble et de la région lyonnaise. Ce projet permettra donc d’élargir considérablement les techniques et approches du réseau DIADEM à l’échelle nanométrique.