Etude du couplage de la technique de criblage haut débit et de l’intelligence artificielle pour identifier les matériaux innovants des batteries du futur

Description de l'offre : Le CEA, depuis quelques années, a mis en place une activité de criblage haut débit expérimental des matériaux pour les accumulateurs au lithium, basé sur la synthèse combinatoire par pulvérisation cathodique et de différentes techniques de caractérisation haut débit sur des substrats de grandes tailles (typiquement 4 pouces). L’optimisation des compositions des matériaux se fait classiquement par l’analyse de plans d’expérience. Dans cette thèse, nous proposons de comparer les résultats de cette méthode classique avec les outils d’Intelligence Artificielle développés au LIST (IA symbolique) et à CTREG (IA connexioniste). L’objectif est de démontrer que l’IA peut avantageusement remplacer les plans d’expériences pour proposer un outil de criblage haut débit innovant et très performant.

Profil du candidat : Ingénieur Intelligence Artificielle, Machine Learning et Big Data