Modélisation et optimisation basées sur les données des procédés chimiques pour la production durable de carburants
- Date :
- Cet événement est passé.
- Type :
- Soutenance de thèse
- Lieu :
- Dans le local D7-3001 de la Faculté des sciences
Doctorant : Doaa Mohamed Ahmed Hassan
Directeur de recherche : Nicolas Abatzoglou
Codirecteur de recherche : Ryan Gosselin
Résumé :
La transition vers des systèmes énergétiques plus durables nécessite le développement de méthodologies avancées pour la conception, la modélisation et l’optimisation de procédés catalytiques capables de convertir efficacement les ressources carbonées et les gaz à effet de serre en carburants et produits chimiques à haute valeur ajoutée. Dans ce contexte, la synthèse de Fischer–Tropsch (FTS) et le reformage à sec du méthane (DRM) constituent deux voies catalytiques bien établies présentant un fort potentiel pour la production durable de carburants. Toutefois, leur modélisation et leur optimisation demeurent particulièrement complexes en raison de la forte non-linéarité des phénomènes réactionnels, des interactions multifactorielles, de la sensibilité des catalyseurs ainsi que de la coexistence d’effets cinétiques et thermodynamiques. Ce travail propose un cadre méthodologique intégré combinant l’analyse de données, l’apprentissage automatique, l’optimisation évolutive et l’analyse thermodynamique afin d’améliorer la compréhension, la modélisation et la conception de ces systèmes catalytiques. Pour la FTS, un cadre hybride associant des modèles d’apprentissage automatique et des algorithmes génétiques est développé afin d’optimiser simultanément les formulations catalytiques et les conditions opératoires pour une production accrue de carburants liquides. Pour le DRM, un nouveau cadre de modélisation sensible aux régimes réactionnels est proposé, intégrant l’analyse thermodynamique et une classification probabiliste afin d’améliorer la précision prédictive tout en renforçant la cohérence physique des modèles. Dans son ensemble, ce travail démontre le potentiel des approches hybrides fondées sur les données et guidées par les principes physiques pour accélérer la conception et l’optimisation de procédés catalytiques, tout en proposant un cadre méthodologique transférable à d’autres systèmes complexes en génie chimique contribuant à la transition énergétique et à la production durable de carburants.