Doctorant en IA et Électrochimie H/F - 80

La thèse vise à développer une solution complète et robuste pour le diagnostic et l'estimation des batteries, en s'appuyant sur plusieurs axes complémentaires. Elle débutera par la constitution d'une plateforme de données propre, structurée et riche, obtenue grâce à des travaux rigoureux de préparation et de labellisation. Cette base reflétera la variabilité des topologies électriques (AC, DC, triphasé) et intégrera aussi bien des cas d'usure standards qu'atypiques.

Sur cette base, des modèles d'intelligence artificielle performants seront développés. En combinant réseaux de neurones, algorithmes d'ensemble et autres architectures avancées, l'objectif sera de prédire avec précision l'état de santé (SoH) des batteries à court, moyen et long terme, y compris dans des conditions extrêmes ou peu documentées.

En parallèle, une stratégie fiable d'estimation de l'état de charge (SoC) sera mise en place. Elle s'appuiera notamment sur l'implémentation de filtres de Kalman et sur des techniques d'IA capables de fonctionner en temps réel, même dans des régimes dynamiques ou instables.

Enfin, l'ensemble de ces développements sera validé dans un contexte industriel à travers des démonstrateurs concrets. Qu'il s'agisse d'essais sur banc ou sur site réel, ces preuves de concept devront montrer les gains apportés en matière de sûreté, d'efficacité opérationnelle et de prolongation de la durée de vie des batteries.
Contexte de travail
Les travaux seront effectués au sein du Laboratoire de Réactivité et de Chimies des Solides (LRCS) dans le cadre du Projet FTJ Basecamp 10kWh.

Le poste se situe dans un secteur relevant de la protection du potentiel scientifique et technique (PPST), et nécessite donc, conformément à la réglementation, que votre arrivée soit autorisée par l'autorité compétente du MESR.