FNR Awards 2024 : Une méthode qui permet d’optimiser le dépôt de revêtements fins

Le FNR Award 2024 dans la catégorie « Outstanding Scientific Achievement » est décerné à Eleni Koronaki, Stéphane Bordas, Paris Papavasileiou, Geremy Loachamin, Martin Kathrein, Christoph Czettl, Gabriele Pozzetti et Ralph Useldinger (Université du Luxembourg & Ceratizit, un fabricant luxembourgeois de matériaux durs) pour « Revolutionizing Industrial Processes : Hybrid computational models for quality control, prediction and optimisation ».

De quoi s’agit-il ?

Pour créer ce type de revêtements, on utilise le dépôt chimique en phase vapeur, ou Chemical Vapor Deposition (CVD) en anglais, un procédé industriel permettant d’apposer de fines couches de matière sur un substrat (silicium, verre, métal, etc.) durant la phase vapeur d'une réaction chimique contrôlée. Ce procédé repose sur la décomposition de gaz réactifs à haute température dans un réacteur CVD.

Le dépôt chimique en phase vapeur est une méthode courante, mais difficile à employer de façon précise à l'échelle industrielle. Les modèles mathématiques peuvent aider à la modélisation, mais sont souvent incomplets. Il faut donc souvent procéder par tâtonnements pour améliorer les processus, ce qui est coûteux et inefficace.

Pour résoudre ce problème, Eleni et son équipe ont développé un outil hybride, fusionnant des modèles basés sur des équations et des modèles basés sur l'apprentissage automatique. Cela a permis à Ceratizit d'optimiser son contrôle de la qualité en ne réalisant qu'un tiers des mesures habituelles.

Leur équipe a également placé des capteurs de façon optimale et conçu des capteurs souples au cours du processus de fabrication. Un capteur souple est un type de capteur fabriqué à partir de matériaux flexibles et légers, permettant de détecter des changements tels que la température, la pression ou l'humidité tout en étant capable de se plier, de s'étirer ou de se déformer sans perdre sa fonctionnalité. Ces capteurs, en effectuant des mesures sur des paramètres tangibles, permettent d'obtenir des informations sur d'autres paramètres plus difficiles à atteindre. Par exemple, l'épaisseur d'un revêtement déposé, qui est facilement mesurable, peut fournir des informations sur le processus chimique sous-jacent.

Pourquoi le jury a-t-il choisi ce candidat ?

La méthode développée par Eleni et son équipe sera applicable dans de nombreux domaines tels que les neurosciences, la gestion ou encore les réacteurs CVD. En effet, les réacteurs CVD ont une géométrie complexe et de nombreuses inconnues. C’est ce que l’on appelle l'incertitude intrinsèque. Grâce à la méthode développée, cette incertitude peut être quantifiée, facilitant la conception des réacteurs et donc tout le procédé de dépôt chimique en phase vapeur.

À propos de la lauréate Eleni Koronaki

Eleni Koronaki, qui a accepté le prix au nom de toute l’équipe lors de la cérémonie des FNR Awards 2024, est ingénieur chimiste originaire de la Grèce. Après avoir complété sa thèse doctorale à la National Technical University of Athens et un post-doc aux États-Unis, elle a rejoint l’équipe du professeur Stéphane Bordas à l’Université du Luxembourg en 2019 grâce à une bourse individuelle Marie Sklodowska-Curie. Depuis lors, elle poursuit l'idée de flux de travail efficaces et rationalisés basés sur des données pour des applications industrielles dans le cadre de deux projets FNR-BRIDGES consécutifs en collaboration avec l'entreprise luxembourgeoise CERATIZIT SarL.

Auteur: Diane Bertel

Editrice: Michèle Weber (FNR)