Depuis une dizaine d’années, les oxydes à haute entropie émergent comme une nouvelle classe de matériaux prometteurs pour les applications énergétiques et la résistance à la corrosion en milieux extrêmes, domaines au cœur des activités du CEA.
Leur optimisation reste cependant limitée par l’immensité de l’espace des compositions possibles, conduisant la plupart des études à se concentrer sur des compositions équimolaires.
Cette thèse propose de lever ce verrou grâce à la PVD combinatoire en mode HiPIMS, couplée à des approches d’intelligence artificielle basées sur l’optimisation bayésienne, une démarche encore inédite pour ces matériaux.
L’objectif est de maîtriser le dépôt d’oxydes à haute entropie et d’optimiser leurs propriétés pour la protection contre la corrosion dans les électrolyseurs à haute température dédiés à la production d’hydrogène décarbonée.
Les couches élaborées présenteront une stœchiométrie, une structure, une microstructure et une texture contrôlées, et seront caractérisées in situ et ex situ par des techniques complémentaires.
Le projet aboutira à une preuve de concept du couplage entre PVD combinatoire et optimisation bayésienne pour accélérer la découverte et l’optimisation de nouveaux matériaux.
Cette thèse s’inscrit dans le programme doctoral international du PEPR DIADEM et réunira le CEA (Saclay), l’ESRF (Grenoble) et le NIMS (Japon).