COAST : Catalyseurs intermetalliques pour un avenir durable.

Dans ce projet, nous proposons le développement d’intermétalliques des familles TM-sp (où TM est un élément de transition et sp un métal pauvre), éventuellement supportés sur oxydes, comme catalyseurs actifs et sélectifs, limitant le recours aux éléments critiques, pour un avenir durable. La réduction de CO2 en méthanol sera étudiée, pour son impact dans le domaine de l’énergie.

Le projet combinera des réalisations numériques, expérimentales et méthodologiques :

• développements « Machine learning » (ML) et numériques – Les approches ML visant la frugalité sont capables de réaliser des prédictions et des analyses suffisamment précises pour être exploitables avec un minimum de données. Le développement d’approches frugales est nécessaire pour réduire l’impact environnemental de l’intelligence artificielle. Cet objectif peut être atteint par le développement de modèles dédiés à des tâches précises plutôt que de grands modèles génériques nécessitant des bases de données gigantesques. D’une part, nous souhaitons accélérer les analyses de sciences de surfaces, en intégrant les données expérimentales (microscopie à effet tunnel, photoémission, spectroscopies, diffraction de surface) pour contraindre l’espace des paramètres numériques des modèles structuraux nécessaires aux interprétations (simulations d’images de microscopie à effet tunnel, calcul de structures électroniques). D’autre part, nous souhaitons poursuivre le développement de méthodes ML pour la prédiction de grandeurs (énergies d’adsorption, de barrières, etc) avec un minimum de données ab initio. Sur le plan des simulations numériques, nous utiliserons des méthodes d’optimisation globale, des approches basées sur la théorie de la fonctionnelle de la densité, ainsi que sur des approches basées sur des potentiels « machine learning » que nous raffinerons pour nos systèmes d’intérêt. Enfin, l’exploration de l’espace chimique permettra de sélectionner une ou plusieurs phases pour les tests catalytiques en conditions réelles, afin de concevoir des catalyseurs efficaces.
• base de données – Une base de données expérimentales regroupant les caractérisations des surfaces sp-TM sous ultra-vide, ainsi que sous diverses conditions in-situ. Cette partie du projet fera largement appel aux plate-formes expérimentales de Soleil et du Tube Daum à l’IJL, ainsi que les ressources de calcul du GENCI. Les performances catalytiques des matériaux synthétisés seront évaluées. Une base de données regroupant les énergies d’adsorption des molécules d’intérêt sur une grande variété de surfaces sera élaborée. Au niveau expérimental, la base de données sera construite avec les systèmes Pt-Sn et Pd-(Ga,Sn), oxydés sous conditions contrôlées (Pt-Sn-O et Pd-(Ga,Sn)-O) Notre choix repose sur leur accordabilité étendue grâce à des substitutions chimiques, leur conférant une grande variété de propriétés électroniques. La modélisation en conditions réactives sera considérée, en particulier la formation éventuelle de couches d’oxydes en surface, qui joue un rôle important dans la réactivité chimique.