Les batteries lithium-ion, essentielles à notre quotidien, font l’objet d’une innovation majeure dans le domaine de l’analyse des matériaux. Une équipe internationale de chercheurs a mis au point une technologie d’intelligence artificielle capable d’examiner la composition et l’état des batteries avec une précision remarquable.
Le 2 juillet, l’Institut coréen des sciences et technologies avancées (KAIST) a annoncé le développement d’une méthode novatrice pour prédire la composition élémentaire principale et l’état de charge-décharge des matériaux de cathode NCM. Cette technique, basée sur des réseaux de neurones convolutifs (CNN), atteint une précision impressionnante de 99,6%.
Le professeur Seungbum Hong, du département de science et d’ingénierie des matériaux du KAIST, a dirigé cette recherche en collaboration avec l’Institut de recherche en électronique et télécommunications (ETRI) et l’Université Drexel aux États-Unis. L’équipe a formé une IA applicable aux véhicules autonomes pour analyser les images de surface des matériaux de batterie.
Traditionnellement, la microscopie électronique à balayage (MEB) est utilisée dans la fabrication de semi-conducteurs pour inspecter les défauts des wafers. Cependant, son application dans l’inspection des batteries reste limitée. L’équipe de recherche a vu le potentiel d’utiliser un MEB automatisé dans le processus de production de batteries, similaire à la fabrication de semi-conducteurs.
Cette approche permettrait d’inspecter la surface du matériau de cathode pour déterminer si sa composition correspond aux spécifications désirées et si sa durée de vie sera fiable. L’objectif ultime est de réduire le taux de défauts dans la production de batteries.
Les chercheurs ont constaté que leur méthode pouvait prédire avec précision la composition des matériaux contenant des additifs. Cependant, la prédiction des états de charge-décharge s’est avérée moins précise. L’équipe prévoit d’améliorer la formation de l’IA en utilisant diverses morphologies de matériaux de batterie produites par différents processus.
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
Le professeur Joshua C. Agar de l’Université Drexel, collaborateur du projet, a déclaré : «À l’avenir, l’intelligence artificielle devrait être appliquée non seulement aux matériaux de batterie, mais aussi à divers processus dynamiques dans la synthèse de matériaux fonctionnels, la production d’énergie propre par fusion, et la compréhension des fondements des particules et de l’univers.»
Le professeur Seungbum Hong a souligné l’importance de cette recherche : «Cette étude est significative car elle est la première au monde à développer une méthodologie basée sur l’IA capable de prédire rapidement et avec précision la composition élémentaire principale et l’état de la batterie à partir des données structurelles d’images MEB à l’échelle micronique.»
Cette méthodologie devrait jouer un rôle crucial dans l’amélioration des performances et de la qualité des matériaux de batterie à l’avenir.
Les résultats de cette recherche ont été publiés dans la revue internationale npj Computational Materials le 4 mai, sous le titre «Composition and state prediction of lithium-ion cathode via convolutional neural network trained on scanning electron microscopy images».
