4 Points Sensibles Majeurs, 5 Études, 7 Entreprises, Un Article Explique L'innovation En R&D Sur Les Batteries Pilotée Par L'ia
« En juillet, le taux de pénétration du marché intérieur des véhicules à énergie nouvelle a atteint 51,1%, soit 11 ans plus tôt que prévu. »Il s'agit des données publiées par la branche conjointe d'information sur le marché des voitures particulières de l'Association des concessionnaires automobiles de Chine en août de cette année. Tout en soulignant la forte dynamique de croissance du marché des véhicules à énergie nouvelle, il s’agit également d’une étape importante dans la transformation de la structure énergétique dans ce domaine.
La raison pour laquelle les véhicules à énergie nouvelle ont pu occuper le marché de consommation si rapidement, en plus de l’acceptation accrue du marché et des politiques menées par le gouvernement, est principalement due à deux facteurs clés.D’un côté, la guerre des prix féroce initiée par Tesla a conduit à une vague de baisses de prix dans l’industrie, et un flot incessant de politiques préférentielles a continué à stimuler les ventes ; D'autre part, la technologie des batteries équipant les véhicules à énergie nouvelle a été continuellement innovée, atténuant efficacement l'anxiété des consommateurs concernant les longs temps de charge et la répartition inégale des stations de charge, renforçant encore la confiance d'achat des consommateurs.
En tant que « cœur » des véhicules à énergie nouvelle, les batteries d’alimentation sont essentielles pour améliorer les performances, les coûts et l’expérience utilisateur du véhicule.Par exemple, le lancement de la batterie à lame de BYD améliore non seulement considérablement l'utilisation de l'espace et la sécurité du bloc-batterie, mais a également le potentiel d'étendre l'autonomie des véhicules électriques purs à plus de 1 000 kilomètres, atteignant ainsi des performances d'autonomie de premier ordre. C'est pourquoi un internaute a commenté avec vivacité : « La moitié de la durée de vie des véhicules à énergie nouvelle des entreprises est assurée par les batteries électriques. » Ce commentaire révèle non seulement la position centrale des batteries dans la chaîne industrielle des véhicules à énergie nouvelle, mais illustre également l’importance de l’innovation technologique pour la compétitivité du marché.
Il convient de mentionner que l’importance de la technologie des batteries ne se limite pas au domaine des véhicules à énergie nouvelle. Qu’il s’agisse d’électronique grand public ou de systèmes de stockage d’énergie à grande échelle, les batteries constituent un support technique clé indispensable.La « Recherche stratégique sur la construction d'une nouvelle centrale électrique en matériaux d'ici 2035 » publiée par l'Académie chinoise d'ingénierie répertorie clairement les matériaux de batterie comme une direction de développement clé dans le domaine des nouveaux matériaux énergétiques.Cela démontre non seulement la position stratégique de la technologie des batteries dans la future structure énergétique, mais fournit également des orientations importantes pour la modernisation complète de la nouvelle industrie énergétique.
Dans le même temps, le développement rapide de l’intelligence artificielle a donné un nouvel élan à la recherche et au développement de nouvelles batteries extrêmement complexes.Ouyang Minggao, académicien de l'Académie chinoise des sciences et professeur à l'Université Tsinghua, a déclaré lors du Sommet des sciences et du renseignement 2024 qui s'est tenu récemment :En matière de matériaux pour batteries, la recherche et le développement de matériaux se faisaient auparavant par tâtonnements, ce qui nécessitait beaucoup de main-d'œuvre, s'accompagnait de longs cycles et était inefficace. Aujourd'hui, grâce à l'intelligence artificielle, nous pouvons changer le paradigme de la recherche et du développement. Nous avons désormais atteint une conception automatisée complète des matériaux, avec notamment des expériences, une caractérisation, une simulation et une préparation automatisées, et une intelligence globale des processus, ce qui a considérablement amélioré l'efficacité de la recherche et du développement de nouvelles batteries très complexes.
Après des années de travail acharné, les points faibles et les difficultés de la recherche et du développement de batteries traditionnelles
La R&D sur les batteries est un projet complexe et systématique, comprenant le criblage des matériaux des batteries, la préparation de la synthèse, les tests de caractérisation et l'optimisation des processus.La recherche et le développement traditionnels des batteries utilisent principalement la méthode « essais et erreurs ». L’ensemble du cycle de recherche et développement s’étend sur plusieurs années et nécessite un investissement en capital important. Dans ce processus, chaque étape est confrontée à des difficultés et des points douloureux uniques.
Spécifiquement,Dans le processus de sélection des matériaux de batterie,Les chercheurs doivent trouver le meilleur matériau d’électrode et la meilleure formule d’électrolyte en fonction de la faisabilité expérimentale, de la rentabilité et de la sécurité. Cependant, il existe de nombreux matériaux potentiels parmi lesquels choisir pour les composants de la batterie, tels que l'électrode positive, l'électrode négative, l'électrolyte et le séparateur. Les méthodes de dépistage traditionnelles doivent s’appuyer sur des expériences pour les vérifier une par une, ce qui consomme beaucoup de temps et de ressources et entraîne des coûts d’essais et d’erreurs élevés.
Lors de la synthèse et de la préparation de la batterie,Les chercheurs doivent contrôler précisément les conditions de réaction de la synthèse pour obtenir des propriétés matérielles idéales. Ces conditions de réaction incluent la température, la pression, le temps, l'environnement, etc. Par exemple, les batteries à l'état solide sont toujours confrontées à des défis majeurs dans leur synthèse, tels que la faible stabilité à l'air des sulfures et la stabilité chimique et électrochimique de l'interface électrode/électrolyte. Ces défis limitent son application à grande échelle dans les batteries à l’état solide et imposent des exigences plus élevées au processus de synthèse et de préparation.
Adresse du document :
https://wulixb.iphy.ac.cn/article/doi/10.7498/aps.69.20201581
Lors du test de caractérisation,Les chercheurs doivent tester et analyser les propriétés clés des matériaux des batteries, telles que la structure cristalline, les performances électrochimiques et la stabilité thermique. Cependant, les indicateurs clés de performance des batteries (tels que la durée de vie du cycle, la densité énergétique, etc.) doivent généralement être évalués par des tests à long terme, et ce cycle de tests retarde considérablement les progrès de la R&D.
Au cours de la phase d’optimisation du processus,L’optimisation de multiples paramètres tels que le revêtement, le séchage et le compactage est un problème multivariable extrêmement complexe. Les performances idéales obtenues dans le cadre de la recherche et du développement en laboratoire à petite échelle sont souvent difficiles à reproduire dans la production industrielle.
En résumé, dans les méthodes traditionnelles de recherche et de développement de batteries, du criblage des matériaux à l’optimisation des processus, chaque étape est confrontée à des défis complexes. La recherche et le développement futurs en matière de batteries devront introduire davantage de méthodes de conception basées sur les données, des technologies de synthèse et de test à haut débit et des méthodes de fabrication intelligentes pour briser fondamentalement le goulot d’étranglement de la recherche et du développement traditionnels. Dans ce processus, l’IA jouera un rôle essentiel.
L'IA pour la science ouvre de nouvelles perspectives pour la recherche et le développement des batteries
Bien que la recherche et le développement de nouvelles technologies de batteries représentées par des batteries à l'état solide soient encore confrontés à de nombreux défis, avec le développement du paradigme de l'IA pour la science (AI4S), de plus en plus d'universités et d'instituts de recherche ont commencé à explorer la mise en œuvre de technologies liées à l'IA autour de la recherche et du développement des batteries.
Spécifiquement,Premièrement, l’IA peut accélérer le criblage et la découverte de matériaux de batterie.La recherche et le développement de matériaux de batterie impliquent des milliers de combinaisons chimiques, mais le temps et les ressources nécessaires à la vérification expérimentale sont limités. L’application de l’IA au calcul à haut débit et à l’apprentissage automatique permet aux chercheurs de sélectionner rapidement des matériaux potentiellement performants grâce à la simulation et à la prédiction. Par exemple, Microsoft et PNNL ont utilisé la technologie de l’IA pour examiner 32 millions de matériaux de batterie potentiels et ont réduit la liste à 23 en 80 heures, dont cinq étaient des matériaux connus. L’équipe affirme que si des méthodes traditionnelles étaient utilisées pour obtenir ces matériaux, le processus prendrait plus de 20 ans.
La recherche connexe a été publiée sur le site Web de pré-impression arXiv sous le titre « Accélérer la découverte de matériaux informatiques avec l'intelligence artificielle et le calcul haute performance dans le cloud : du criblage à grande échelle à la validation expérimentale ».
Adresse du document :
https://arxiv.org/pdf/2401.04070
Deuxièmement, l’IA est également performante dans le processus de synthèse et de préparation des batteries.Plus précisément, les problèmes d’interface constituent le principal obstacle aux performances de la batterie. Par exemple, la stabilité de l’interface entre l’anode en lithium métallique et l’électrolyte détermine directement la sécurité et la durée de vie de la batterie. Les expériences traditionnelles rendent difficile la compréhension complète des réactions complexes à l’interface, mais les modèles d’IA peuvent combiner des simulations de dynamique moléculaire et des données expérimentales pour prédire les chemins de réaction interfaciale et concevoir de meilleurs matériaux électrolytiques. Par exemple, des chercheurs de l’Université de technologie de Chine du Sud ont utilisé des modèles d’IA pour modéliser les réactions interfaciales des batteries lithium-ion, en se concentrant sur l’optimisation des composants de la batterie et en fournissant des orientations pour le développement de matériaux électrolytiques plus stables.
La recherche connexe a été publiée dans le Journal of Materials Chemistry sous le titre « Aperçu de la réaction d'interface entre l'électrolyte et Li(2)MnO(3) à partir de simulations de dynamique moléculaire ab initio ».
Adresse du document :
https://pubs.rsc.org/en/content/articlelanding/2024/ta/d4ta04598j
Lors des tests de caractérisation de la batterie, l’IA a également obtenu de bons résultats dans la prédiction de la durée de vie de la batterie.Par exemple, des chercheurs du MIT, de l’Université de Stanford et du Toyota Research Institute (TRI) utilisent l’IA pour prédire la durée de vie des batteries. L'algorithme d'IA développé par l'équipe peut déterminer la durée de vie de la batterie en fonction des 5 cycles de charge et de décharge de la batterie, avec un taux de précision allant jusqu'à 95%. L'erreur entre la valeur prévue et la valeur réelle de la durée de vie de la batterie est comprise entre 9%. Il convient de mentionner que cet ensemble de données a été ouvert et qu'il s'agit du plus grand ensemble de données de ce type.
La recherche connexe a été publiée dans Nature sous le titre « Prédiction basée sur les données de la durée de vie du cycle de la batterie avant dégradation de la capacité ».
Adresse du document :
https://www.nature.com/articles/s41560-019-0356-8
Il n'y a pas longtemps, l'Institut de physique chimique de Dalian de l'Académie chinoise des sciences et l'Université Jiaotong de Xi'an ont réalisé de nouveaux progrès dans le domaine de la gestion de la santé des batteries. Les chercheurs ont développé un nouveau modèle d'apprentissage en profondeur qui résout efficacement la dépendance de la méthode traditionnelle à de grandes quantités de données de test de charge, fournit de nouvelles idées pour la prédiction de la durée de vie de la batterie en temps réel et réalise une évaluation de bout en bout de la durée de vie de la batterie au lithium. Dans le même temps, ce modèle est également un élément important du modèle de base du cerveau numérique de batterie de première génération PBSRD Digit, offrant une solution pour une gestion intelligente de la batterie.
La recherche connexe a été publiée dans IEEE Transactions on Transportation Electrification sous le titre « Prédiction de la durée de vie des batteries lithium-ion basée sur un petit nombre de cycles de charge » (Deep Learning powered lifetime prediction for lithium-ion batteries based on small quantity of charging cycles).
Adresse du document :
https://ieeexplore.ieee.org/document/10613834
En outre, l’IA présente également un grand potentiel dans l’optimisation du processus de production des matériaux des batteries.Prenons l’exemple des batteries à l’état solide : leur fabrication est soumise à des exigences strictes concernant la microstructure de l’électrolyte. La technologie de l’IA peut analyser les paramètres du processus de préparation des matériaux, tels que la température et la pression, grâce à la vision par ordinateur et aux algorithmes d’optimisation, améliorant ainsi la cohérence de la production et réduisant les coûts de fabrication. Par exemple, une étude menée par l’Université Jules Verne de Picardie en France et plusieurs autres institutions a démontré comment surveiller et optimiser le processus de fabrication des électrodes grâce à la technologie d’apprentissage automatique. La méthode permet d’ajuster en temps réel les paramètres de fabrication des batteries, réduisant ainsi considérablement les déchets et améliorant la cohérence du produit.
La recherche connexe a été publiée dans Science sous le titre « Vers des cellules de batterie à haute performance énergétique et électrique avec une optimisation de la fabrication d'électrodes basée sur l'apprentissage automatique ».
Adresse du document :
https://www.sciencedirect.com/science/article/pii/S037877532301050
On peut prévoir que, porté par le paradigme de l’IA pour la science, le domaine des matériaux de batterie est au seuil d’une nouvelle révolution technologique. L’application de l’IA apporte non seulement de nouvelles idées et de nouveaux outils à la recherche et au développement de matériaux de batterie, mais remodèle également le chemin de développement de l’ensemble de la technologie des batteries.
L'IA accélère le rythme de l'industrialisation des nouvelles batteries
L’industrie des batteries est au sommet d’une vague d’innovation technologique, et l’IA est sans aucun doute le moteur principal de cette renaissance technologique. L'application approfondie de la technologie de l'IA a non seulement donné naissance à des théories de pointe sur la science des batteries dans le domaine de la recherche universitaire, mais a également démontré une forte valeur pratique dans l'industrie, donnant un nouvel élan à la commercialisation, à la production à grande échelle et à l'optimisation des performances de la technologie des batteries.
Sur le marché international, de nombreuses entreprises ont pris l’initiative de déployer la recherche et le développement de batteries basées sur l’IA.Tesla utilise l'IA pour optimiser son système de gestion de batterie (BMS), utilise des techniques d'apprentissage profond et d'apprentissage automatique pour prédire l'état de santé et la durée de vie de la batterie, et utilise des méthodes basées sur les données pour améliorer la suralimentation et la gestion de l'énergie.
Le fabricant sud-coréen de batteries LG Energy Solution a développé une plateforme d'IA qui se concentre sur la prédiction du vieillissement des batteries, des modes de défaillance et de l'optimisation de la gestion de l'énergie, tout en fournissant des capacités de prédiction et d'optimisation dynamiques pour les systèmes de stockage d'énergie (ESS).
La société de batteries au lithium métal SES AI a également annoncé qu'elle s'associerait aux sociétés technologiques NVIDIA, Crusoe et Supermicro pour accélérer la recherche et le développement de nouveaux matériaux de batterie. Il prévoit d’utiliser des supercalculateurs hautes performances optimisés pour l’IA pour créer une base de données de petites molécules, améliorant ainsi la compréhension des systèmes chimiques des batteries et accélérant le développement de solutions de stockage d’énergie.
De plus, NVIDIA a récemment annoncé que le projet ALCHEMI NIM utilise la technologie de l’IA pour accélérer le développement de matériaux énergétiques durables tels que les batteries de véhicules électriques et les panneaux solaires. Ces projets peuvent simuler et prédire efficacement les propriétés électrochimiques des matériaux, ce qui non seulement raccourcit le cycle de R&D de nouveaux matériaux, mais réduit également considérablement les coûts, fournissant un soutien technique à la transformation énergétique mondiale.
De retour sur le marché intérieur, la recherche et le développement de batteries ainsi que l'innovation technologique parmi diverses entreprises montrent également une tendance où une centaine d'écoles de pensée s'affrontent.En tant que leader de l'industrie mondiale des batteries électriques, CATL applique activement la technologie de l'IA à la modélisation et à l'optimisation de la chimie des batteries et des performances des matériaux, en se concentrant sur la recherche et le développement de batteries à haute densité énergétique. En décembre 2023, CATL a annoncé la création d'un centre international de R&D à Hong Kong axé sur l'IA pour la science. Zeng Yuqun, président de CATL, a également mentionné à plusieurs reprises en public au cours de l'année écoulée la nécessité d'accélérer l'introduction de l'IA, en particulier dans l'innovation des systèmes de matériaux de batterie.
En outre, Honeycomb Energy (SVOLT) a pris l'initiative de construire la première usine de batteries intelligentes à IA de qualité automobile du secteur à Jintan, dans le Jiangsu, en utilisant l'IA pour gérer l'ensemble du processus de batterie et en lançant une série de produits de batterie haute performance, accélérant considérablement l'application à grande échelle de nouvelles batteries énergétiques.
Dans le même temps, un certain nombre de start-ups spécialisées dans les matériaux de batterie IA ont vu le jour sur le marché étranger, telles que QuantumScape, Inobat Auto, Mitra Chem, Aionics, etc., visant à introduire l'intelligence artificielle dans le domaine du développement des batteries. Parmi eux, Mitra Chem est décrit par certains grands noms de l'industrie de la technologie des batteries comme « un innovateur en matière de matériaux de batterie, propulsé par la technologie de l'intelligence artificielle et situé dans la Silicon Valley ».
Un certain nombre de nouvelles entreprises d'IA énergétique ont également émergé sur le marché chinois, comme Shengke Energy, une entreprise incubée par l'équipe de l'académicien Ouyang Minggao, qui a lancé le premier grand modèle d'IA de batterie au monde, PERB2.0. Ce modèle est capable de traiter et d'analyser des quantités massives de données de batterie, jouant un rôle clé dans la conception de la batterie, l'optimisation des performances et la prise de décision intelligente.
En résumé, qu’il s’agisse du marché international ou des entreprises nationales, qu’il s’agisse d’entreprises leaders ou de start-ups, elles adoptent activement l’IA dans le domaine de la recherche et du développement des batteries.
Derniers mots
En examinant la situation actuelle, de la découverte de matériaux à l'optimisation de la fabrication, de la prédiction des performances à la gestion complète du cycle de vie, la technologie de l'IA renforce pleinement chaque maillon de la recherche et du développement des batteries, insufflant une forte impulsion à la nouvelle industrie de l'énergie. En intégrant en profondeur les résultats de la recherche scientifique à la pratique industrielle, l’IA accélère non seulement l’itération technologique, mais favorise également l’application à grande échelle de la technologie des batteries et la réduction des coûts.
Cependant, le développement de tout est un processus en zigzag, et l’intégration profonde de l’IA et de la recherche et développement sur les batteries ne peut pas être réalisée du jour au lendemain.Comme l'a déclaré Zeng Yuqun, président de CATL, « AI4S (pour la recherche et le développement de matériaux de batterie) ne dispose actuellement pas de modèles, de structures ou d'algorithmes particulièrement bons, et il reste encore un long chemin à parcourir. »
Références :
1.http://finance.people.com.cn/n1/2024/0812/c1004-40297368.html
2.https://www.auto-made.com/news/show-16443.html
3.https://www.engineering.org.cn/sscae/CN/article/downloadArticleFile.do?attachType=PDF&id=28528
4.https://esst.cip.com.cn/CN/10.19799/j.cnki.2095-4239.2024.0698
5.http://www.xinhuanet.com/science/20241121/6c8a64232e464ee886b8dc4c732f81fd/c.html
6.https://developer.nvidia.com/zh-cn/blog/revolutionizing-ai-driven-material-discovery-using-nvidia-alchemi/
7.http://www.dicp.cas.cn/xwdt/mtcf/202410/t20241022_7405757.html
8.https://www.cas.cn/syky/202411/t20241120_5040077.shtml