Projet #1 : Problèmes d'optimisation complexes pour la recharge intelligente des véhicules électriques
Nous présentons une étude de cas d'optimisation quantique pour le chargement intelligent des véhicules électriques. Des implémentations adaptées de l'algorithme d'optimisation quantique (QAOA) ont été développées pour ce problème, et testées numériquement avec des ressources classiques soit par émulation d’une machine type de celles de Pasqal, soit en utilisant le Quantum Learning Machine d'Atos. Dans les deux cas, les algorithmes quantiques présentent les mêmes taux d'approximation que les algorithmes d'approximation classiques, ou les améliorerPar Joseph Mikael, Head of Quantum Computation & Quantum Information project, EDF
Projet #2 : Simulations de nanodispositifs de stockage et de conversion de l’énergie
Au cours de la dernière décennie, les carbones nanoporeux se sont imposés dans plusieurs technologies, allant du stockage de l’électricité dans les supercondensateurs à la désalination de l’eau de mer. Ces matériaux sont également étudiés pour des concepts d’énergie bleue, obtenue par la différence de salinité entre de l’eau de mer et de l’eau douce. Comprendre les mécanismes de fonctionnement de ces dispositifs nécessite de sonder la matière à l’échelle nanométrique, ce qui est actuellement hors de portée des expériences. Notre équipe a ainsi développé un logiciel de simulations moléculaires, MetalWalls, dédié à l’étude des interfaces électrodes-électrolytes en électrochimie. Grace à l’emploi des supercalculateurs, nous avons pu étudier des systèmes de dimensions jusqu’ici inaccessibles, avec une bien meilleure précision dans la prise en compte des interactions intermoléculaires. Nos travaux ont ainsi permis de comprendre les mécanismes d’adsorption des ions dans les supercondensateurs, ainsi que leur dynamique de charge. Dans un second temps nous avons pu prédire les performances de système de désalination, des travaux qui permettent in fine de paramétrer des modèles continus utilisés pour dimensionner des installations expérimentales. Nous essayons maintenant d’étendre les modèles utilisés au cas plus complexes des batteries (Li-ion ou de générations futures), ce qui nécessite l’emploi de potentiels de type machine-learning pour une meilleure précision, dans le cadre du PEPR Batteries démarré en 2023.
Par Mathieu Salanne, directeur ISCD - Institut des sciences du calcul et des données Sorbonne Université
Projet #3 : Dans le cadre de FF4EuroHPC
“Quantitative studies for energy transition and high-performance computing “
Intérêts et apports d’études quantitatives pour anticiper et optimiser la transition énergétique. Nécessité et apports d’algorithmes sophistiqués et moyens de calcul très haute performance pour la réalisation d’études précises et de très grande dimension.
Par Michaël Gabay, Directeur Artelys
Projet #4 : Towards the simulation of large-scale wind farms using the lattice-Boltzmann method
One of the key players in overcoming climate change is the production of green and decarbonized electricity based on wind energy. Within the design process of wind farms, the reliable prediction of the power production of a farm is indispensable and often achieved by large-eddy simulations. However, traditional solvers based on the Navier-Stokes equations are often too costly in computational performance. More recently, the lattice-Boltzmann method (LBM) has emerged as a suitable alternative to such solvers due to its exceptional computational performance on massively parallel and heterogeneous computing systems.
This talk will address how the LBM can be coupled to wind turbine models and eventually enable large-scale simulations of entire wind farms.
Par Helen Schottenhamml, Doctoral Researcher, IFPEN
