Return to search

Modélisation QSPR de solvants d’intérêt technologique : les liquides ioniques et les électrolytes pour batteries Li-ion / QSPR modelling of technologically interesting solvents : the ionic liquids and the electrolytes for Li-ion batteries

Cette thèse a pour but de modéliser les liquides ioniques et les électrolytes pour batteries Li-ion. Nous avons développé des modèles SVR afin de prédire 9 propriétés d’intérêt pour ces solvants. Les modèles construits pour les liquides ioniques ont permis la détection de divers problèmes, et sont accessibles sur le site web du laboratoire : infochim.u-strasbg.fr/webserv/VSEngine.html. Les modèles construits pour les électrolytes ont permis la modélisation de candidats testés expérimentalement par nos collaborateurs. Le nombre de données étant limité pour ces solvants, nous avons également testé l’approche transductive par le biais de la TRR (Transductive Ridge Regression). Nous avons mis en place un protocole d’optimisation des paramètres de la méthode et appliqué la TRR aux solvants étudiés. Les résultats obtenus par la TRR sont légèrement meilleurs que ceux de la Régression Ridge, mais restent modestes si on veut éviter une détérioration accidentelle du modèle. / This thesis is dedicated to the modelling of ionic liquids and electrolytes of Li-ion batteries. We developed several SVR models in order to predict 9 interesting properties of these solvents. The models built for the ionic liquids allowed us to detect several problems, and are freely available on the laboratory’s website: infochim.u-strasbg.fr/webserv/VSEngine.html. The models built for the electrolytes were used to model some candidates tested experimentally by our colleagues. As the amount of data is quite small for these solvents, we also tested the transductive approach with the help of the TRR (Transductive Ridge Regression). We have developed an optimization procedure for the method’s parameters, and applied the TRR to the studied solvents. The results obtained with the TRR are slightly better than of the Ridge Regression but stay modest if we want to avoid any accidental damage of the model.

Identiferoai:union.ndltd.org:theses.fr/2017STRAF035
Date26 September 2017
CreatorsDelouis, Grace
ContributorsStrasbourg, Varnek, Alexandre
Source SetsDépôt national des thèses électroniques françaises
LanguageFrench
Detected LanguageFrench
TypeElectronic Thesis or Dissertation, Text

Page generated in 0.0025 seconds