Optimisation du design des canaux dans les PAC réversibles en mode électrolyseur par couplage Deep Learning et modélisation multiphysique

Contexte

Dans le cadre du développement de technologies de conversion et de stockage d’énergie propres, les piles à combustible réversibles (PAC-R) constituent une solution prometteuse pour la production et l’utilisation d’hydrogène vert. En mode électrolyseur, ces systèmes sont confrontés à un défi majeur : la formation de régimes d’écoulements biphasiques, caractérisés par l’apparition de bulles d’oxygène dans les canaux anodiques, impactant directement les performances électrochimiques, le refroidissement local, et la durabilité de l’électrolyseur.

Pour répondre à cette problématique, le laboratoire ENERGY-Lab (Université de La Réunion) propose un sujet de thèse interdisciplinaire combinant expérimentation avancée, modélisation multiphysique et intelligence artificielle.

Objectif et programme de travail

Ce travail de thèse vise à optimiser la conception des canaux d’alimentation des PAC-R en mode électrolyseur en s’appuyant sur une approche innovante couplant Deep Learning et modélisation multiphysique. Le travail s’organise en plusieurs actions :

• Réalisation de campagnes expérimentales sur une cellule d'électrolyseur PEM semi-transparente intégrée à un banc d’essai instrumenté, permettant l’acquisition d’images rapides de la formation des bulles d’oxygène sous différentes conditions opératoires ;
• Développement d’un outil de détection intelligente des bulles par réseaux de neurones convolutifs (type YOLOv7), afin d’identifier et de classifier les régimes d’écoulement ;
• Intégration des métriques issues de l’analyse d’image dans une modélisation multiphysique sous COMSOL® Multiphysics (CFD – transferts thermiques – électrochimie) pour simuler les zones critiques de stagnation et leur impact sur les performances ;
• Optimisation géométrique des canaux (biomimétisme, fractales, réseaux maillés) par approche paramétrique multi-objectifs, puis validation expérimentale sur des plaques usinées ou imprimées 3D.

L’approche proposée se distingue par son caractère intégré et innovant, alliant IA, modélisation et expérimentation. Elle vise à concevoir des interfaces fluidiques adaptées aux contraintes dynamiques dans les électrolyseurs PEM, tout en renforçant la durabilité des systèmes de production d'hydrogène.

L’Université de La Réunion est un établissement public d’enseignement supérieur et de recherche situé dans l’océan Indien. Seule université française de la zone, elle développe des recherches ancrées dans les enjeux tropicaux et insulaires, notamment dans les domaines de l’énergie, de l’environnement, de la santé et du numérique. Elle accueille près de 18 000 étudiants et s’appuie sur une vingtaine de laboratoires reconnus.

Le laboratoire ENERGY-Lab (EA 4079) est spécialisé dans la modélisation, l’expérimentation et l’optimisation des systèmes de conversion et de stockage d’énergie, en particulier les technologies hydrogène (piles à combustible, électrolyseurs), les réseaux électriques intelligents, et les énergies renouvelables. Implanté au sein de la Faculté des Sciences, il dispose d’équipements de pointe et mène des projets en lien avec des partenaires académiques et industriels, dans un contexte insulaire et tropical.

Formation requise

• Master 2 ou diplôme d’ingénieur dans l’un des domaines suivants :
• Énergétique / Génie des procédés / Thermique - Simulation multiphysique / Modélisation numérique
• Électrochimie / Technologies hydrogène / Piles à combustible
• Intelligence artificielle ou Deep Learning appliqués à la physique (souhaité mais non obligatoire)

Compétences techniques

• Expérience avec COMSOL Multiphysics® ou équivalent (Ansys Fluent, OpenFOAM…)
• Bonne compréhension des phénomènes suivants :
  • Mécanique des fluides (CFD)
  • Transferts thermiques et massiques
  • Phénomènes électrochimiques
  • Compétences en programmation et analyse de données (Python ou MATLAB appréciés)
  • Des notions en Deep Learning (ex. YOLOv7 ou réseaux de neurones convolutifs) sont un atout mais non obligatoires

Aptitudes personnelles

• Capacité d’analyse et de résolution de problèmes
• Autonomie, curiosité scientifique, approche interdisciplinaire
• Bon relationnel et goût pour le travail collaboratif

Langues

• Maîtrise de l’anglais écrit et oral (rédaction scientifique, communication internationale)