AI-MAHC : Découverte de Matériaux MOFs Guidée par l’Intelligence Artificielle pour un Contrôle Autonome de l’Humidité.
Pilote : Guillaume MAURIN
Université de Montpellier
Mots clés : Structures métalliques organiques (MOF), adsorption/désorption de l’eau, contrôle autonome de l’humidité, construction et analyse d’une base de données structurelles, criblage à haut débit par simulations moléculaires (Monte Carlo et dynamique moléculaire), apprentissage automatique, conception de nouveaux matériaux assistée par l’intelligence artificielle, synthèse et caractérisation à haut débit, adsorption de l’eau (thermodynamique et cinétique), prototype de contrôleur d’humidité (physique du bâtiment)
Porté par des préoccupations croissantes quant à la qualité de l’air intérieur, des niveaux d’humidité en hausse et la fréquence accrue des événements météorologiques extrêmes. Les systèmes actuels de contrôle de l’humidité tels que les déshumidificateurs, les humidificateurs et les solutions basées sur le chauffage, la climatisation et la ventilation (HVAC), présentent des inconvénients notables, notamment une consommation énergétique élevée, des exigences de maintenance, l’utilisation de réfrigérants à fort potentiel de réchauffement global et une imprécision dans la régulation des niveaux d’humidité optimaux.
Ces limitations soulignent la nécessité de trouver des solutions de contrôle de l’humidité plus performantes pour répondre durablement à la demande croissante.Les systèmes de contrôle autonome de l’humidité (AHC), intégrant des matériaux poreux avancés, devraient révolutionner les technologies HVAC, notamment dans le cadre des objectifs du Green Deal (économie neutre en carbone d’ici 2050). Les systèmes AHC visent à moduler de manière autonome les niveaux d’humidité de l’air intérieur grâce à un matériau poreux capable d’adsorber l’eau dès que le taux d’humidité relative (HR) atteint 60 % et de désorber rapidement l’eau lorsque HR atteint 40 %, sans intervention extérieure, pour préserver la santé et le confort des occupants.
Aujourd’hui, aucun des adsorbants poreux conventionnels, tels que les gels de silice et les zéolithes, n’est optimal pour l’application visée car leur adsorption d’eau se produit en dehors de la plage de HR souhaitée et ils présentent des capacités d’adsorption d’eau insuffisantes et des cinétiques d’adsorption lentes. Il est donc indispensable de concevoir de nouveaux adsorbants poreux présentant des caractéristiques idéales d’adsorption de l’eau. Si certains matériaux hybrides poreux de type MOFs présentent des performances prometteuses, cependant nous sommes encore loin de pleinement exploiter le potentiel immense de cette famille de matériaux car leur sélection repose encore largement sur la sérendipité.
Notre objectif est d’échafauder une stratégie sans précédent basée sur le criblage numérique à haut débit, des techniques d’apprentissage automatique (ML), des outils d’intelligence artificielle (IA), de la synthèse/caractérisation robotique à haut débit et des techniques d’adsorption avancées pour découvrir de nouveaux MOFs robustes, durables et non toxiques ayant des performances exceptionnelles en matière de contrôle de l’humidité. Les meilleurs MOFs seront produits à plus grande échelle, mis en forme et intégrés dans un prototype afin de tester leurs performances dans des conditions réelles et d’évaluer leur économie potentielle en énergie vis-à-vis des technologies conventionnelles du contrôle de l’humidité. Cela permettra d’établir une première preuve de concept qui ouvrira la voie à un développement ultérieur et à une éventuelle industrialisation.
Ce projet sera mené en fortes interactions avec la plateforme DIAMOND (base de données/codes/apprentissage de champs de force) ainsi qu’avec la plateforme MOFs Learning (robot de synthèse haut débit et standardisation de données). Ce projet rassemble trois groupes académiques français et un collaborateur international avec des compétences complémentaires pour favoriser une forte synergie entre les simulations numériques (criblage haut débit, dérivation de champs de force, développement de modèles ML/IA) appliquées aux solides poreux (G. Maurin, ICGM, Université Montpellier), la synthèse automatisée/caractérisation/mise en forme et mise à l’échelle des MOFs (C. Serre, IMAP, ENS, ESPCI, CNRS, PSL) et les tests d’adsorption (I. Bezverkhyy, ICB, Université de Bourgogne, CNRS) vers l’ingénierie des dispositifs de déshumidification et les tests dans des conditions réelles d’utilisation (M. Qin, Technical University of Denmark-TUD).