De nouveaux algorithmes pour visualiser l’architecture 3D des électrodes de batterie Li-ion

Caractériser l’architecture des électrodes de batteries Li-ion de type NMC* est complexe car elles présentent plusieurs phases. Cependant, cette donnée est indispensable pour simuler leurs propriétés électrochimiques et comprendre ce qui limite leurs performances. La technique de nano-tomographie en rayonnement X synchrotron est classiquement utilisée pour obtenir des images hautement résolues (50 nm) de la structure 3D de ces cathodes. La segmentation des images tomographiques, processus qui sépare les différentes phases en présence, est une étape cruciale du traitement d’image qui peut impacter fortement le résultat final. Lors de cette étape, l'étiquetage manuel des images est chronophage et généralement complexe à réaliser.

Les scientifiques du Laboratoire de réactivité et chimie des solides d’Amiens en collaboration avec le laboratoire Centre de morphologie mathématique (MINES ParisTech) et le laboratoire national d’Argonne (ANL, USA) ont donc développé des algorithmes d’intelligence artificielle pour automatiser cette segmentation et la réaliser simultanément sur plusieurs phases.

Leur approche « Deep Learning » s’inspire du fonctionnement de réseaux de neurones convolutifs (CNN) qui utilisent le principe mathématique de convolution pour repérer la présence d’un motif (dans un signal ou dans une image par exemple). La construction de réseau de type CNN a permis d’obtenir des images avec  des valeurs de précisions très élevées (91%)** à partir d’une quantité réduite de données, et de reconstruire ainsi un volume de plusieurs milliards de voxels*** en quelques minutes. Le logiciel SegmentPy que les scientifiques ont mis au point et à la disposition de la communauté  permet aux utilisateurs de réaliser ces segmentations mulitiphasiques qui vont permettre d’identifier les différentes phases présentes dans la cathode. 

Mais cette technique repose sur l’utilisation d’images de référence identifiées par les utilisateurs. L’impact de ces choix sur les incertitudes associées aux structures 3D des électrodes obtenues met en évidence l’importance de minimiser les interventions humaines dont on constante une influence forte sur le résultat de l’analyse, paramètre à prendre en compte dans l’optimisation du traitement des images.

(*) NMC représente la formule chimique Lithium-Nickel-Manganese-Cobalt-Oxide (LiNiMnCoO₂).

(**) En IA supervisée il s’agit de comparer une image de référence à l’images obtenue : plus la différence entre ces 2 images est faible, plus la précision est bonne.

(***) Un voxel est une unité d'information graphique qui définit un point dans un espace tridimensionnel, comme un pixel (élément d'image) définit un point dans l'espace bidimensionnel.

Rédacteur : CCdM