Thèse CIFRE - Modèle vieillissement batterie via Machine Learning (F/H)

Tytuł stanowiska: Thèse CIFRE - Model starzenia baterii poprzez uczenie maszynowe (F/H)

Firma: Renault Group

Dołącz do wspólnego projektu grupy Renault z renomowanym Laboratorium Reaktywności Stałej i Chemii (LRCS) w Amiens, pod kierunkiem prof. Alejandro Franco. Partnerstwo to ma na celu wykorzystanie najnowocześniejszych badań z zakresu modelowania wielofizycznego, wspieranych przez nasze zaawansowane zaplecze testowe i wysokiej jakości nadzór. Regularne spotkania postępowe będą odbywać się co miesiąc, osobiście lub zdalnie, z udziałem doktoranta i doradców.

Jako kandydat na doktoranta będziesz angażować się w szereg działań badawczych, w tym:

• Aktualizowanie bibliografii dotyczącej modeli uczenia maszynowego i ich zastosowania w statystycznych podejściach do treningu modeli oraz optymalizacji dokładności SOHE.
• Opanowanie różnych technik analizy post-mortem w celu identyfikacji i analizy defektów.
• Ulepszanie i udoskonalanie otwartoźródłowych modeli uczenia maszynowego, aby z wysoką precyzją przewidywać stan zdrowia i żywotność baterii.
• Opracowywanie równań empirycznych do integracji z podstawowym modelem starzenia AMPERE, przechowywanym w systemie zarządzania baterią pojazdu (BMS).

Będziesz używać metod statystycznych, aby pokryć wszystkie przypadki użycia do szkolenia modeli uczenia maszynowego, definiować poziomy precyzji dla obliczeń modelu na różnych etapach starzenia się, oraz stosować metody cyklowania elektrochemicznego i magazynowania do starzenia ogniw aż do ich końca życia, aby korelować wyniki predykcyjne modelu.

• Rozprawa doktorska
• Patenty
• Rozpowszechnianie na spotkaniach technicznego komitetu AMV-C
• Publikacje w recenzowanych czasopismach i na konferencjach

Wymagana wiedza:

• Solidna znajomość elektrochemii, numerycznego i statystycznego modelowania systemów elektrochemicznych.
• Doświadczenie w metodach symulacji numerycznych, takich jak Matlab, Comsol, Python oraz znajomość języków takich jak Maple, Fortran.
• Biegłość w metodach analizy elektrochemicznej (spektroskopia impedancji, cyklowanie ładowania/rozładowania itp.), chemii stanu stałego i studiach analizy fizycznej (dyfrakcja promieni X, spektroskopia FT-IR, mikroskopia elektronowa skaningowa, EDX).

Preferowane kierunki wykształcenia: Inżynier ogólny, informatyka, matematyka stosowana lub inżynieria dużych zbiorów danych.

Autonomia, staranność, inicjatywa, umiejętności syntezy oraz zdolność do pracy zespołowej.

Transwersalne

36 miesięcy

Renault Group jest dumna, że tworzy inkluzywne środowisko pracy, w którym różnorodność jest postrzegana jako siła, zapewniając równe możliwości zatrudnienia dla wszystkich, niezależnie od ich