Propriétés cinétiques, thermodynamiques et thermophysiques à haute température du biocarbone (biochar) graphitique issu de la biomasse : applications au stockage de l'énergie // High-Temperature Kinetic, Thermodynamic, and Thermophysical Properties of Gra

Ce travail s'inscrit dans un projet ERC (European Research Council) Advanced Grant. L'ERC est une organisation européenne de financement qui soutient des projets de recherche de rupture à travers des appels à projets très compétitifs, dans le cadre du programme Horizon Europe de l'Union européenne.
Le projet ERC vise à évaluer la capacité de stockage de composites innovants en biocarbones. Il s'agit d'une famille de matériaux carbonés avancés et durables issus de la biomasse, permettant de stocker l'énergie dans différents environnements, contrairement à la plupart des solutions actuelles reposant sur des matériaux d'origine fossile ou non durables. Cela devrait se traduire par une réduction notable des émissions de CO₂ et des économies d'énergie. Les travaux seront menés dans un environnement international, avec des visites régulières dans les laboratoires de partenaires en France, en Inde et aux États-Unis.
Les études actuelles se concentrent sur la sélection des matières premières issues de la biomasse, leur caractérisation, ainsi que sur la pyrolyse et la graphitisation pour produire des composites de biocarbones, ainsi que sur leur utilisation pour le stockage d'énergie dans diverses configurations et environnements.
Dans le cadre de ce projet ERC et parallèlement à d'autres études en cours au sein de notre groupe de recherche, ce travail de doctorat sera axé sur la mesure et le calcul de données thermodynamiques et cinétiques. La compréhension du comportement cinétique et thermodynamique, à savoir la dissolution-précipitation, la nucléation, la croissance et la stabilité des grains du composite à base de biocarbones pendant leur formation, sera déterminée notamment par l'élaboration d'un diagramme de phases à plusieurs composants. Les données issues de l'expérience seront comparées à celles issues de la modélisation. Par ailleurs, des méthodes d'apprentissage automatique (Machine Learning) seront utilisées pour prédire et optimiser les propriétés thermodynamiques et cinétiques des matériaux à base de biochar étudiés. Le modèle sera développé en intégrant des macropropriétés mesurables des matériaux, telles que les coefficients de dilatation thermique et le coefficient de Poisson, des descripteurs moléculaires (densité, température de fusion, entropie, etc.), ainsi que des informations sur les défauts microstructuraux et l'organisation structurale aux échelles micrométriques. La combinaison des travaux expérimentaux, de la modélisation et de la simulation devrait permettre d'optimiser les propriétés thermophysiques et chimiques des biocarbones, tout en affinant les approches expérimentales et numériques mises en œuvre.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

This work is part of an ERC (European Research Council) Advanced Grant project. The ERC is a European funding organisation that supports groundbreaking research projects through very competitive grants, as part of the EU's Horizon Europe programme.
The ERC project aims at evaluating the storage capacity of innovative biocarbon composites, a sustainable family of advanced biomass-based carbon materials to store energy in various environments, as opposed to most of the current solutions relying on fossil fuel-based or non-sustainable materials. This should translate into remarkable CO2 emissions reduction and energy savings. The work will be carried out in an international environment with regular visits to partners' laboratories in France, India, and the USA.
Current studies are focused on the selection of biomass feedstocks, their characterisation, and on pyrolysis and graphitization to produce biocarbon composites as well as their use for energy storage in various configurations and environments.
As part of this ERC work and in parallel with other ongoing studies in our research group, this PhD work will be focused on the measurement calculation and modelling of thermodynamic and kinetic data. Insight into the kinetic and thermodynamic behaviour, namely dissolution-precipitation, grain nucleation, growth, and stability of the biocarbon-based composite during their formation, will be determined in constructing a multi-component phase diagram, among other approaches. The data obtained from the experiment will be compared to that from modelling. Machine Learning will be also used to predict and optimize the thermodynamic and kinetic properties of the biochar-based materials considered. Model will be realized considering measurable material macro-properties such as thermal expansivities or Poisson coefficient, molecular descriptors (density, melting temperature, entropy, etc..) microstructural defect or microlength scale organisation information. Experimentation combined with modelling and simulation approaches should enable the optimization of the thermophysical and chemical properties of the biocarbon and fine-tune the experimental and numerical approaches.
------------------------------------------------------------------------------------------------------------------------------------------------------------------------
------------------------------------------------------------------------------------------------------------------------------------------------------------------------

Début de la thèse : 01/10/2026

Programmes de l'Union Européenne de financement de la recherche (ERC, ERASMUS)

IMT Mines Albi

468 MEGEP - Mécanique, Energétique, Génie civil, Procédés

Il est attendu que le/la candidat(e) soit titulaire d'un master (ou équivalent) en génie des procédés, génie des matériaux, science des matériaux ou chimie physique. Le/la candidat(e) devra posséder de solides connaissances en thermodynamique (thermodynamique des fluides et des solides, diagrammes de phases) et/ou en modélisation cinétique. Des compétences en programmation, notamment en analyse de données, calcul scientifique, quantification des incertitudes, optimisation de modèles et apprentissage automatique (machine learning), sont attendues. Une expérience des techniques de caractérisation des matériaux, telles que la diffraction des rayons X (XRD), la spectroscopie de photoémission des rayons X (XPS), l'analyse thermogravimétrique et calorimétrique (TGA-DSC) et la sorption d'azote (N₂), sera appréciée. Une connaissance des techniques de microscopie et de spectroscopie, notamment la microscopie électronique à balayage couplée à la spectroscopie dispersive en énergie (SEM-EDS), la microscopie électronique en transmission à haute résolution (HR-TEM), la spectroscopie Raman et la spectroscopie RMN, constituera également un atout.
Applicants should hold a Master's degree (or equivalent) in process engineering, materials engineering, materials science, or physical chemistry. Candidates should have a solid background in thermodynamics (fluid and solid thermodynamics, phase diagrams) and/or kinetic modelling. Programming skills, including data analysis, scientific computing, uncertainty quantification, model optimization, and machine learning, are expected. Experience with materials characterization techniques, such as X-ray diffraction (XRD), X-ray photoelectron spectroscopy (XPS), thermogravimetric and differential scanning calorimetry (TGA-DSC), and nitrogen adsorption (N₂ sorption), will be appreciated. Knowledge of microscopy and spectroscopy techniques, including SEM-EDS, HR-TEM, Raman spectroscopy, and NMR spectroscopy, will be considered an asset.