Recherche

Micromagnétisme, ondes de spin, skyrmions, DFT, matériaux 2D, nanofluides et énergies renouvelables par simulation numérique.

Nouveaux matériaux photovoltaïques et cellules solaires

La transition vers un modèle énergétique véritablement durable exige le développement de panneaux solaires plus efficaces et plus écologiques. Dans cet axe de recherche, nous nous consacrons à la modélisation avancée de matériaux photovoltaïques émergents, en particulier l'étude d'alliages de type kësterite (comme Cu₂ZnGe(S,Se)₄ et Cu₂NiGeS₄). Ces structures constituent une alternative technologique prometteuse, car elles se passent d'éléments lourds ou hautement toxiques et reposent sur des composés abondants dans la nature. Pour parvenir à cette conception sur mesure sans recourir aux coûteux essais et erreurs du laboratoire traditionnel, nous structurons notre méthodologie selon deux grandes échelles d'analyse :

A. Ingénierie à l'échelle atomique : l'approche quantique

Le point de départ se situe à l'échelle la plus fondamentale, grâce à des calculs ab initio fondés sur la théorie de la fonctionnelle de la densité (DFT). À ce niveau, nous appliquons des techniques de strain engineering (ingénierie de la déformation), en simulant numériquement comment une infime compression ou expansion du réseau cristallin modifie le comportement interne du matériau.

Cet ajustement structurel nous permet d'évaluer et d'optimiser trois facteurs microscopiques clés :

  • La structure de bandes : les trajectoires énergétiques qui déterminent si le matériau est un bon semi-conducteur.
  • La densité d'états (DOS) : le nombre de « places » ou de niveaux d'énergie disponibles pour les électrons.
  • Les propriétés optiques fondamentales : la détermination précise de la capacité du matériau à absorber, réfléchir et réfracter la lumière solaire.

B. Simulation du dispositif : le saut macroscopique

Savoir qu'un matériau est optiquement parfait à l'échelle atomique n'est que la première étape. Pour évaluer sa viabilité réelle, nous extrayons les paramètres quantiques calculés par DFT et les intégrons dans des outils spécialisés de simulation macroscopique, comme le logiciel SCAPS-1D.

Ce couplage théorique nous permet de modéliser le comportement du panneau solaire complet dans des conditions d'éclairement réelles, en prédisant des indicateurs essentiels pour l'industrie :

  • Courbes densité de courant-tension (J-V) : le profil qui indique la puissance électrique réelle que le dispositif est capable de fournir.
  • Rendement de conversion quantique : le pourcentage exact de particules de lumière (photons) que le matériau parvient à convertir en électricité.
  • Facteur de forme : un indicateur clé de la qualité électrique, qui évalue à quel point la cellule solaire fonctionne près de son rendement théorique idéal.

En résumé, cet axe associe la mécanique quantique et la physique des semi-conducteurs pour accélérer la conception d'une nouvelle génération de cellules solaires : des dispositifs aux performances électriques très élevées, prêts pour une production industrielle et strictement respectueux de l'écosystème.

Publications récentes

  • Analysis of electronic and optical properties for photovoltaic applications. (Journal of Physics D: Applied Physics). DOI: 10.1088/1361-6463/ad3b2a
  • Strain Effects on the Electronic and Optical Properties of Kesterite Cu2ZnGeX4 (X = S, Se): First-Principles Study. (Nanomaterials). DOI: 10.3390/nano13121852
  • Modeling of highly efficient CNGS based kesterite solar cell: A DFT study along with SCAPS-1D analysis. (Solar Energy). DOI: 10.1016/j.solener.2023.111929
Voir toutes les publications

Efficacité énergétique, transfert de chaleur et réseaux de neurones

Pour créer la technologie énergétique de demain, les mathématiques traditionnelles ne suffisent plus ; nous avons besoin de la puissance de l'Intelligence Artificielle. Dans ce domaine de recherche, nous associons les lois immuables de la physique classique (les équations qui garantissent la conservation de la masse, de la quantité de mouvement et de l'énergie) à des algorithmes avancés de Machine Learning pour atteindre un objectif essentiel : l'optimisation.

Tout d'abord, nous étudions le comportement de « fluides de nouvelle génération ». Nous analysons comment s'écoulent et se déforment (leur rhéologie) des mélanges très complexes, tels que les nanofluides hybrides et ternaires ou les fluides viscoélastiques (modèles de Jeffrey). Nous soumettons virtuellement ces liquides à des scénarios extrêmes : échauffement par courants électriques (effet Joule), variations brusques de viscosité et « transpiration », ou passage de masse à travers des surfaces poreuses.

Comme la physique de ces phénomènes est extrêmement complexe et non linéaire, nous franchissons un cap technologique et confions une partie de l'analyse à des réseaux de neurones artificiels (RNA). Grâce à des schémas d'apprentissage très efficaces (comme l'algorithme de rétropropagation de Levenberg-Marquardt), nous « apprenons » à nos modèles à trouver l'ordre au sein du chaos des fluides.

L'utilisation de ces réseaux de neurones n'est pas un simple exercice de calcul ; elle nous permet de prédire et d'optimiser des variables essentielles pour l'industrie énergétique :

  • Prédire le flux d'énergie et de matière : nous calculons avec une très grande précision comment le fluide transférera la chaleur (nombres de Nusselt) et la masse (nombres de Sherwood), ce qui permet de concevoir des systèmes sans recourir à de coûteux essais.
  • Lutter contre le gaspillage énergétique : nous identifions les conditions exactes qui minimisent le taux de production d'entropie. En pratique, cela signifie éviter que l'énergie utile ne se dégrade et ne se perde au cours du processus.
  • Renforcer les énergies renouvelables : nous appliquons toutes ces prédictions directement à la conception de capteurs solaires thermiques et de systèmes de dissipation de chaleur, afin que chaque goutte de fluide exploite l'énergie du soleil avec la plus grande efficacité possible.

Publications récentes

  • Joule Heating and Viscosity-Ratio Effects on Dissipative Ternary Nanofluid Flow over a Permeable Surface. (International Journal of Computational Methods). DOI: 10.56578/ijcmem140104
  • Artificial neural network analysis of Jeffrey hybrid nanofluid with gyrotactic microorganisms for optimizing solar thermal collector efficiency. (Scientific Reports). DOI: 10.1038/s41598-025-88877-6
  • Computational and artificial neural network study on ternary nanofluid flow with heat and mass transfer with magnetohydrodynamics and mass transpiration. (Neural Computing and Applications). DOI: 10.1007/s00521-024-10325-9
Voir toutes les publications

Magnétohydrodynamique et nanofluides

Le mouvement des liquides peut sembler imprévisible, mais à la frontière de la physique des fluides, nous avons appris à le décrire avec précision. Dans cet axe de recherche, nous étudions l'hydrodynamique de fluides complexes —aussi bien les fluides prévisibles (newtoniens) que ceux aux comportements « rebelles » dont la viscosité change (non newtoniens)— lorsqu'ils sont soumis simultanément à des forces électromagnétiques et à des différences de température (convection mixte).

Pour comprendre ce monde microscopique dynamique, nous utilisons de puissantes simulations numériques afin de résoudre les célèbres équations de Navier-Stokes. Mais nous ne le faisons pas avec des liquides ordinaires : nous modélisons des fluides très sophistiqués, des nanofluides enrichis de mélanges de trois types de nanoparticules (suspensions ternaires) qui, de plus, sont habités par des micro-organismes gyrotactiques (minuscules nageurs biologiques qui s'orientent intelligemment contre la gravité).

Nous mettons ces mélanges exotiques à l'épreuve en les faisant circuler sur des « parcours d'obstacles » conçus sur mesure (scénarios aux limites complexes), en évaluant leur écoulement à travers :

  • Des plaques de Riga : des surfaces qui agissent comme des propulseurs électromagnétiques et poussent le liquide sans pièces mécaniques mobiles.
  • Des canaux biomimétiques : des tubes verticaux tapissés de « cils » (semblables aux villosités de notre corps) dans lesquels le fluide est entraîné par des champs électriques (régime électro-osmotique).
  • Des milieux élastiques et thermiques : des environnements dans lesquels nous analysons comment le rayonnement thermique affecte des fluides épais qui s'étirent comme du plastique (milieux viscoélastiques).

Tout cet immense travail de calcul numérique et analytique poursuit un objectif fondamental : cartographier le plus précisément possible la vitesse à laquelle le fluide se déplacera, l'endroit où la chaleur se concentrera et les zones où les microbes se regrouperont. En comprenant ce comportement, nous pouvons évaluer l'efficacité énergétique du processus. Ces découvertes sont la pièce maîtresse pour concevoir et perfectionner des dispositifs microfluidiques (des laboratoires médicaux entiers réduits à une puce) et des bioréacteurs à haut rendement pour l'industrie biotechnologique et environnementale.

Publications récentes

  • An analysis of heat and mass transfer of ternary nanofluid flow over a Riga plate: Newtonian heating. (Numerical Heat Transfer, Part B: Fundamentals). DOI: 10.1080/10407790.2023.2282165
  • Electroosmotic MHD ternary hybrid Jeffery nanofluid flow through a ciliated vertical channel with gyrotactic microorganisms: Entropy generation optimization. (Heliyon). DOI: 10.1016/j.heliyon.2024.e25102
  • Insights into significance of radiative inclined MHD on mixed convective viscoelastic flow of hybrid nanofluid over a permeable surface with mass transpiration. (Journal of Engineering Thermophysics). DOI: 10.1134/S1810232824040179
Voir toutes les publications