Les matériaux magnétiques découverts par l'IA pourraient réduire la dépendance aux terres rares
Des chercheurs de l’Université du New Hampshire ont exploité l’intelligence artificielle pour accélérer la découverte de nouveaux matériaux magnétiques fonctionnels, en créant une base de données consultable de 67 573 matériaux magnétiques, dont 25 composés jusqu’alors inconnus qui restent magnétiques même à haute température.
« En accélérant la découverte de matériaux magnétiques durables, nous pouvons réduire la dépendance aux éléments de terres rares, réduire le coût des véhicules électriques et des systèmes d'énergie renouvelable et renforcer la base manufacturière américaine », a déclaré Suman Itani, auteur principal et doctorant en physique.
La base de données nouvellement créée, baptisée Northeast Materials Database, permet d'explorer plus facilement tous les matériaux magnétiques qui jouent un rôle majeur dans la technologie qui alimente notre monde : smartphones, dispositifs médicaux, générateurs d'électricité, véhicules électriques et bien plus encore. Mais ces aimants dépendent d’éléments de terres rares coûteux, importés et de plus en plus difficiles à obtenir, et aucun nouvel aimant permanent n’a été découvert parmi les nombreux composés magnétiques dont nous connaissons l’existence.
Comment l’IA transforme la recherche sur les matériaux
La recherche, publiée dans la revue Communications naturellesdécrit comment l'équipe de l'UNH a construit un système d'intelligence artificielle capable de lire des articles scientifiques et d'extraire ces détails expérimentaux clés.
Ces données ont alimenté des modèles informatiques qui ont identifié si un matériau est magnétique et à quelle température il peut résister avant de perdre son magnétisme et les ont organisées dans une base de données unique et consultable.
Les scientifiques savent qu’il existe de nombreux composés magnétiques non découverts, mais tester toutes les combinaisons possibles d’éléments – potentiellement des millions – en laboratoire prend beaucoup de temps et coûte cher.
« Nous relevons l'un des défis les plus difficiles de la science des matériaux – découvrir des alternatives durables aux aimants permanents – et nous sommes optimistes que notre base de données expérimentale et les technologies croissantes d'IA rendront cet objectif réalisable », a déclaré Jiadong Zang, professeur de physique et co-auteur.
Les chercheurs, dont le co-auteur Yibo Zhang, chercheur postdoctoral en physique et en chimie, affirment que faire avancer le grand modèle de langage moderne derrière ce projet pourrait avoir une utilisation généralisée au-delà de cette base de données, en particulier dans l'enseignement supérieur. Par exemple, la conversion d’images dans un format de texte enrichi moderne pourrait également être utilisée pour moderniser les fonds des bibliothèques.
