Les nouveaux développements nécessitent de nouveaux matériaux. Jusque récemment, ceux-ci ont été développés principalement par des expériences fastidieuses en laboratoire. Les chercheurs de l'Institut Fraunhofer d'algorithmes et d'informatique scientifique SCAI à Sankt Augustin raccourcissent désormais considérablement ce processus long et coûteux grâce à leur approche de « conception de matériaux virtuels » et au logiciel Tremolo-X spécialement développé. En combinant des modèles multi-échelles, analyse de données et apprentissage automatique, il est possible de développer des matériaux améliorés beaucoup plus rapidement. Au salon de Hanovre du 23 au 27 avril, 2018, Fraunhofer montrera à quoi ressemble la conception de matériaux virtuels du futur.

Dans presque tous les secteurs, de nouveaux matériaux sont nécessaires pour de nouveaux développements. Prenons l'industrie automobile :alors qu'une automobile n'était constituée que d'une poignée de matériaux, les voitures modernes sont assemblées à partir de milliers de matériaux différents – et la demande augmente. Qu'il s'agisse d'alléger une voiture, obtenir une meilleure économie de carburant ou développer des batteries de moteurs électriques, chaque nouveau développement nécessite de trouver ou de développer le matériau qui possède exactement les bonnes propriétés. La recherche du bon matériau a souvent été comme un jeu de devinettes, bien que. Les candidats ont généralement été sélectionnés à partir d'énormes bases de données de matériaux, puis testés. Bien que ces bases de données donnent un aperçu des caractéristiques de performance spécifiques, ils ne vont généralement pas assez loin en profondeur pour permettre des jugements significatifs quant à savoir si un matériau a exactement les propriétés souhaitées. Pour le savoir, de nombreux tests de laboratoire doivent être effectués. Les scientifiques du Fraunhofer SCAI ont choisi une approche différente. Les exigences pour la substance sont décomposées jusqu'à la structure interne du matériau :c'est-à-dire, jusqu'au niveau atomique. Un logiciel spécialement développé, Tremolo-X, calcule ensuite comment les particules du matériau réagissent lorsqu'elles sont soumises à certains effets physiques. Par conséquent, on peut conclure si un matériau avec les propriétés souhaitées peut être développé sur la base de ces particules.

Modèles prédictifs virtuels et simulations atomistiques

"Notre objectif est de raccourcir la recherche du bon matériau. Ce processus prend souvent dix à vingt ans, ce qui est non seulement chronophage mais aussi coûteux, " explique le Dr Jan Hamaekers du Fraunhofer SCAI. " L'idée est d'utiliser des processus virtuels pour filtrer le nombre de candidats jusqu'à ce qu'il n'en reste plus que quelques-uns à tester en laboratoire. " Pour ce faire, les exigences imposées au matériau doivent d'abord être définies. Par exemple, à quelle vitesse un matériau doit refroidir ou quelles charges il doit supporter. Ceci est simulé de deux manières différentes sur ordinateur en utilisant le logiciel Fraunhofer :les particules virtuelles sont simulées au niveau atomique ou même au niveau quantique. Comment se comportent-ils ? Comment les particules interagissent-elles entre elles ? L'autre méthode utilise des données et des connaissances existantes pour dériver des modèles de prédiction qui permettent de prévoir les propriétés d'un matériau. « L'objectif est d'améliorer, créer et explorer de nouveaux matériaux et molécules innovants aux propriétés efficaces dans le laboratoire informatique virtuel afin de recommander leur structure et leur conception avant la synthèse proprement dite, ", explique Hamaekers.

Modélisation multi-échelles :de l'atome à la chaîne de processus

La procédure devient claire lors de la modélisation multi-échelles, tel qu'il est utilisé dans l'industrie chimique (entre autres). Ici, la chimie du matériau est d'abord décrite au niveau quantique. Ces informations sont transférées vers des modèles de plus en plus grossiers qui cartographient les molécules et leurs propriétés physiques. "Si nous voulons prédire la qualité de l'électrolyte ou la vitesse de diffusion des ions dans le cas d'une batterie lithium-ion, par exemple, nous simulons d'abord les particules au niveau quantique et voyons ce qui leur arrive. Puis, nous portons ces informations au niveau supérieur et obtenons un aperçu de la dynamique, ou comment les particules se déplacent au niveau atomique. D'ici, on peut alors monter d'échelle et regarder comment l'électrolyte se comporte dans le monde macroscopique. Cela nous donne un aperçu précis de tous les processus et, si nécessaire, nous pouvons adapter ou changer les processus, " explique Hamaekers. De cette façon, non seulement de nouveaux matériaux peuvent être développés ou des matériaux appropriés trouvés pour des applications spécifiques. Même les processus peuvent être revus et améliorés. En simulant les processus au niveau atomique ou moléculaire dans un réacteur virtuel, il est possible d'identifier précisément les points ou paramètres qui peuvent être optimisés.

Au salon de Hanovre 2018, le Fraunhofer SCAI utilise des exemples frappants pour montrer comment la conception des matériaux peut être améliorée grâce à la modélisation, analyse de données et apprentissage automatique.