High-Throughput Bayesian Optimization of Cement-Salt Hydrates Composites for Seasonal Thermochemical Energy Storage

Cet article démontre qu'un cadre d'optimisation bayésienne à haut débit accélère efficacement la découverte de composites ciment-hydrate de sel rentables pour le stockage d'énergie thermochimique saisonnier, en identifiant des formulations de Pareto optimales qui améliorent considérablement l'énergie spécifique et l'équilibre coût-performance par rapport aux matériaux à base de ciment précédents.

L'essentiel

Imaginez que vous essayiez de préparer le gâteau parfait, mais qu'au lieu de farine et de sucre, vous mélangez du ciment et des sels spéciaux pour créer un matériau capable de « manger » la chaleur en été et de la « recracher » en hiver. C'est ce qu'on appelle le Stockage Saisonnier d'Énergie Thermochimique. C'est comme une batterie thermique qui pourrait garder votre maison chaude tout l'hiver en utilisant la chaleur collectée lors d'une journée ensoleillée de juillet.

Le problème ? Il existe des milliers de façons de mélanger ces ingrédients. Vous avez différents types de sels, différentes quantités d'eau, différentes quantités de ciment et différents additifs. Essayer de trouver la recette parfaite en devinant et en vérifiant (l'ancienne méthode « essais et erreurs ») prendrait des années et coûterait une fortune.

Cet article décrit une méthode plus intelligente pour trouver la meilleure recette en utilisant un « chef numérique » appelé Optimisation Bayésienne (OB).

Le Chef Numérique (Optimisation Bayésienne)

Imaginez le système OB comme un assistant super-intelligent et infatigable qui adore apprendre.

1. Le Jeu de Devinettes : Au lieu de tester chaque combinaison possible (ce qui reviendrait à goûter chaque gâteau du monde), l'assistant sélectionne d'abord quelques recettes prometteuses à tester.
2. Le Test de Goût : L'équipe mélange réellement ces petits lots de pâte ciment-sel, les cuit et teste la quantité de chaleur qu'ils peuvent stocker.
3. La Boucle d'Apprentissage : L'assistant examine les résultats. « Oh, trop de sel a rendu le gâteau liquide (il a fondu). Pas assez d'eau l'a rendu friable. Mais ce mélange spécifique de chlorure de calcium et de ciment a très bien fonctionné ! »
4. Le Coup Suivant : En fonction de ce qu'il a appris, l'assistant suggère immédiatement le prochain meilleur ensemble d'ingrédients à tester. Il devient de mieux en mieux dans l'art de deviner les gagnants, en sautant purement et simplement les mauvaises recettes.

Les Deux Objectifs : Puissance vs Prix

L'équipe avait deux objectifs concurrents, comme essayer d'acheter une voiture qui est à la fois la plus rapide et la moins chère.

• Objectif 1 : Énergie Maximale (La Voiture Rapide) : Quelle quantité de chaleur le matériau peut-il stocker par kilogramme ?
• Objectif 2 : Coût Minimal (La Voiture Bon Marché) : Combien coûte la fabrication du matériau par unité d'énergie stockée ?

Habituellement, les meilleurs matériaux de stockage d'énergie sont très chers, et les moins chers ne stockent pas beaucoup de chaleur. L'équipe voulait trouver la zone « Boucle d'Or » — le meilleur équilibre entre les deux.

La Découverte : Nouveaux Ingrédients

Les chercheurs ont testé une grande variété de sels. Bien qu'ils connaissent déjà certains d'entre eux (comme le sulfate de magnésium), ils ont utilisé leur chef numérique pour explorer des ingrédients qui n'avaient jamais été essayés dans le ciment auparavant : le Chlorure de Lithium (LiCl), le Chlorure de Calcium (CaCl2) et le Nitrate de Zinc (Zn(NO3)2).

Voici ce qu'ils ont découvert :

• Le Puissant (LiCl) : Le mélange au chlorure de lithium était la « Ferrari » du groupe. Il stockait une quantité massive de chaleur (environ 458 kJ par kg), battant les records précédents à base de ciment par un facteur de cinq. Cependant, comme une Ferrari, il était coûteux à fabriquer.
• Les Choix Intéressants (CaCl2 et Zn(NO3)2) : Ces mélanges étaient les « berlines fiables ». Ils ne stockaient pas tout à fait autant de chaleur que celui au lithium, mais ils étaient beaucoup moins chers à produire. Ils offraient un équilibre fantastique : de bonnes performances pour un prix très bas.

Les Résultats

En utilisant cette approche intelligente et axée sur les données, l'équipe n'a pas trouvé une seule bonne recette ; elle a découvert toute une nouvelle famille de matériaux.

• Ils ont découvert que le ciment (la matière de votre allée) est en fait une excellente « éponge » pour retenir ces sels stockant la chaleur, à condition d'obtenir la bonne recette.
• Ils ont identifié une « Frontière de Pareto », ce qui est une façon élégante de dire qu'ils ont trouvé les compromis absolument les meilleurs. Vous ne pouvez pas obtenir plus de chaleur sans payer plus cher, et vous ne pouvez pas obtenir de matériaux moins chers sans stocker moins de chaleur. Ils ont trouvé les points parfaits sur cette ligne.
• Bien que ces nouveaux matériaux ciment-sel ne soient pas tout à fait aussi puissants que les matériaux high-tech les plus chers à base de gel de silice ou de vermiculite expansé, ils sont beaucoup moins chers.

La Conclusion

Cet article prouve que vous n'avez pas besoin de deviner votre chemin vers un meilleur stockage d'énergie. En utilisant un algorithme informatique intelligent pour guider les expériences, l'équipe a rapidement trouvé de nouveaux matériaux peu coûteux qui stockent la chaleur efficacement. C'est comme utiliser un GPS pour trouver l'itinéraire le plus rapide à travers un labyrinthe, plutôt que de courir vers chaque impasse. Ces nouveaux composites ciment-sel pourraient être un moyen pratique et abordable de stocker la chaleur estivale pour une utilisation hivernale, nous aidant à utiliser l'énergie renouvelable plus efficacement.

Résumé technique

Résumé technique : Optimisation bayésienne à haut débit des composites ciment-sels hydratés pour le stockage d'énergie thermochemical saisonnier

Énoncé du problème
Le stockage d'énergie thermochemical (TCES) basé sur les sels hydratés offre une solution prometteuse pour le stockage saisonnier de chaleur grâce à sa haute densité énergétique volumique et sa capacité à stocker l'énergie indéfiniment sans pertes thermiques. Cependant, le déploiement pratique de ces systèmes est entravé par la conception complexe des matériaux sorbants. La formulation des composites ciment-sels implique un espace de conception combinatoire hautement non linéaire où la performance dépend de variables couplées : la chimie du sel, la charge en sel, la composition du liant et la teneur en additifs. Les stratégies expérimentales traditionnelles de type essai-erreur ou à un facteur à la fois sont peu pratiques pour naviguer efficacement dans cet espace, car une exploration complète nécessiterait des milliers de cycles de synthèse et de caractérisation sur de longues périodes. De plus, les matériaux TCES existants à base de ciment souffrent souvent d'une énergie spécifique faible, tandis que les alternatives haute performance (par exemple, les matrices de gel de silice ou de vermiculite expansée) sont souvent prohibitives en termes de coûts. Il existe un besoin critique de stratégies pilotées par les données pour accélérer la découverte de composites ciment-sels rentables et haute performance.

Méthodologie
Les auteurs ont développé un cadre expérimental à haut débit et piloté par les données basé sur l'optimisation bayésienne (BO) pour guider la formulation des composites ciment-sels hydratés. La méthodologie intègre une conception expérimentale adaptative avec une modélisation thermodynamique :

• Espace de conception : L'optimisation a exploré un espace paramétrique à quatre dimensions défini par :
  1. Type de sel : Une variable catégorielle couvrant 11 sels hydratés, incluant des candidats courants (par exemple, MgSO₄) et des sels sous-investigés (LiCl, CaCl₂, Zn(NO₃)₂).
  2. Concentration en sel : Définie comme le rapport du sel dissous à la solubilité maximale à 20°C ($s/s_{max}$).
  3. Rapport Eau/Ciment ($w/c$) : Variant de 0,70 à 1,50.
  4. Rapport Additif/Ciment ($a/c$) : Variant de 0,0 à 30,0 g/kg, utilisant un additif anti-sédimentation pour atténuer le saignement.
• Stratégie d'optimisation : La campagne a utilisé deux pipelines BO parallèles ciblant des objectifs concurrents : maximiser l'énergie spécifique ($E_d$) et minimiser le coût de l'énergie spécifique (un indicateur clé de performance économique, KPI). Le flux de travail a employé des modèles de substitution par processus gaussien (GP) avec des noyaux à fonction de base radiale (RBF) et de Matérn. Les fonctions d'acquisition (Probabilité d'amélioration, Amélioration attendue et Limite inférieure de confiance) ont équilibré l'exploration et l'exploitation.
• Protocole expérimental : Les composites ont été synthétisés par une méthode in situ où les sels ont été dissous dans l'eau et mélangés avec du ciment et des additifs. Les échantillons ont été mûris, séchés et granulés. Des isothermes d'adsorption d'eau à haut débit ont été mesurés à 20°C à l'aide d'un analyseur de sorption de vapeur dynamique (DVS) capable de traiter 20 échantillons simultanément.
• Modélisation thermodynamique : Les isothermes expérimentaux ont été ajustés à l'aide de l'équation de Dubinin–Astakhov (DA). En utilisant la théorie du potentiel de Polanyi, les isothermes ont été extrapolés aux températures de fonctionnement (adsorption à 40°C, désorption à 90°C). L'énergie spécifique ($E_d$) a été calculée sur la base de la variation de capacité de cycle ($\Delta x_{cycle}$) et de la chaleur isostérique d'adsorption ($q_{st}$), dérivée via l'équation de Clausius–Clapeyron.

Contributions clés

• Première application de la BO au TCES ciment-sel : Cette étude représente la première application de l'optimisation bayésienne à la conception multi-objectif des composites ciment-sels pour le TCES, démontrant l'efficacité de l'apprentissage séquentiel dans un problème de découverte de matériaux à variables multiples et contraintes.
• Extension de l'espace de conception chimique : L'étude a systématiquement investigué des sels (LiCl, CaCl₂, Zn(NO₃)₂) qui avaient été marginalement explorés ou non signalés précédemment dans les systèmes TCES à base de ciment, dépassant le focus traditionnel sur le MgSO₄.
• Gestion des modes de défaillance : Le cadre a intégré avec succès les échecs de synthèse (par exemple, déliquescence, incapacité à durcir) dans la boucle d'optimisation grâce à des stratégies de pénalisation, permettant aux modèles de substitution d'apprendre les limites des formulations réalisables.
• Découverte de solutions Pareto-optimales : L'approche a identifié un ensemble de solutions non dominées offrant des compromis optimaux entre haute densité énergétique et faible coût des matériaux, révélant des régions distinctes à haute performance dans l'espace combinatoire.

Résultats
La campagne guidée par la BO a identifié avec succès des formulations Pareto-optimales basées sur LiCl, CaCl₂ et Zn(NO₃)₂ :

• Performance : La formulation la plus performante, basée sur LiCl (LiCl-S1), a atteint une énergie spécifique d'environ 458 kJ kg⁻¹ (sur la base de mesures en réplication). Cela représente une amélioration d'un facteur jusqu'à cinq par rapport aux matériaux à base de ciment précédemment développés.
• Compromis coût-performance : Bien que LiCl-S1 offre la densité énergétique la plus élevée, elle s'accompagne d'un coût matériel plus élevé. En revanche, les composites à base de CaCl₂ et de Zn(NO₃)₂ (par exemple, CaCl₂-S2, Zn(NO₃)₂-S1) ont présenté des énergies spécifiques plus faibles (150–161 kJ kg⁻¹) mais des KPI économiques nettement plus favorables (3,2–7,6 USD kWh⁻¹), offrant un rapport coût-performance équilibré.
• Comparaison avec la littérature : Les composites à base de ciment optimisés ont montré des énergies spécifiques inférieures à celles des systèmes à gel de silice ou à vermiculite expansée de l'état de l'art (qui peuvent dépasser 1000–2000 kJ kg⁻¹), mais ont démontré une viabilité économique supérieure grâce au faible coût de la matrice cimentaire.
• Répétabilité : L'analyse de re-test des échantillons Pareto-optimaux a confirmé la robustesse du flux de travail de criblage, avec des écarts-types relatifs (RSD) pour l'énergie spécifique généralement inférieurs à 5 %.

Signification et affirmations
L'article affirme que l'optimisation bayésienne est une stratégie efficace pour accélérer la découverte de matériaux TCES, en particulier dans des espaces de formulation complexes où les contraintes de synthèse et les compromis multi-objectifs sont centraux. L'étude démontre que les composites ciment-sels, lorsqu'ils sont optimisés via la BO, peuvent atteindre des énergies spécifiques nettement supérieures aux itérations précédentes à base de ciment, les rendant des candidats attrayants pour les applications de stockage saisonnier où le coût est une contrainte principale.

Les auteurs notent modestement que, bien que l'énergie spécifique de leurs matériaux reste inférieure à celle des matrices poreuses haute performance comme le gel de silice, le équilibre coût-performance des composites à base de ciment optimisés (en particulier ceux basés sur CaCl₂ et Zn(NO₃)₂) constitue un avantage distinct. Le travail met en évidence que l'optimisation pilotée par les données peut révéler des chimies prometteuses et des limites de formulation qui pourraient être manquées par la conception expérimentale conventionnelle, ouvrant la voie à un développement plus efficace de solutions de stockage thermique saisonnier à faible coût. Un travail futur est suggéré pour se concentrer sur la stabilité cyclique, la cinétique de sorption et l'affinement supplémentaire des additifs et des modifications de matrice.