L’IA transforme la recherche de nouveaux matériaux qui peuvent aider à créer les technologies de l’avenir

De l’âge du bronze à la révolution industrielle et au-delà, la découverte et le développement de nouveaux matériaux ont été un moteur de l’histoire humaine. Ces nouveaux matériaux ont contribué à faire progresser la technologie et à façonner les civilisations.

Aujourd’hui, nous sommes au début d’une nouvelle ère, où l’intelligence artificielle (IA) semble être dans la position parfaite pour transformer la recherche de matériaux utiles. Cela semble réglé pour changer complètement l’approche de leur enquête, de leur création et de leur test.

Dans les temps anciens, les civilisations humaines ont expérimenté des ressources naturelles pour créer des outils et des artefacts. L’âge du bronze, au milieu du 4e millénaire avant JC, était une étape importante. Le bronze, un alliage de cuivre et d’étain, a conduit au développement d’outils et d’armes plus forts, ainsi que des progrès dans l’agriculture et la construction.

Le bronze est souvent appelé le premier «nouveau matériau» créé par les humains. Nous avons pris différents éléments et créé quelque chose de nouveau, avec de meilleures propriétés que soit des ingrédients et des qualités uniques. L’invention du verre dans l’ancienne Mésopotamie vers 3 500 milliards de dollars a été un autre moment révolutionnaire.

Avance rapide jusqu’au 20e siècle et la découverte de polymères en plastique, de céramique et de supraconducteurs a ouvert de nouvelles frontières en technologie. La céramique, connue pour leur durabilité et leur résistance à la chaleur, est devenue un incontournable des industries de l’aérospatiale à l’électronique.

Les supraconducteurs, les matériaux qui peuvent conduire de l’électricité avec une résistance électrique nulle, sont déjà utilisés dans les maglev (trains de lévitation magnétique), les accélérateurs de particules et les dispositifs médicaux.

Ai entre dans la mêlée

La recherche de nouveaux matériaux qui pourraient aider à stimuler le développement des prochaines technologies révolutionnaires a déjà été un processus long et coûteux. Cela est dû à la complexité de nombreux matériaux aux niveaux atomique et moléculaire. Les méthodes traditionnelles sont essentiellement basées sur des essais et des erreurs et ont besoin d’équipements et de ressources spécialisés.

L’incertitude et le risque inhérentes dans la découverte des matériaux compliquent et allongent encore le processus. Cependant, les progrès de l’IA, y compris dans un sous-ensemble de l’IA appelé apprentissage automatique, commencent à transformer l’ensemble du paysage, permettant des approches plus efficaces et ciblées. Dans l’apprentissage automatique, les règles mathématiques appelées algorithmes apprennent des données pour s’améliorer aux tâches sans intervention humaine.

Le changement principal est une nouvelle méthodologie basée sur des systèmes d’IA « génératifs », qui peuvent créer de nouveaux contenus. Les systèmes d’IA peuvent désormais produire directement de nouveaux matériaux lorsqu’ils sont fournis avec des propriétés et des contraintes souhaitées.

Plus tôt ce mois-ci, une équipe de Microsoft a publié un article de nature qui a introduit une paire d’outils d’IA pour la conception de matériaux inorganiques (ceux qui ne sont pas basés sur l’élément carbone).

Ces outils jouent un rôle complémentaire dans la découverte des matériaux. Ils sont appelés Mattergen et Mattersim. Le premier crée de nouveaux documents candidats, et le deuxième les filtre et les valide – pour s’assurer qu’ils pourraient être fabriqués dans le monde réel.

Les propriétés souhaitées spécifiques qui peuvent être incorporées via Mattergen comprennent une symétrie spécifique ou des propriétés mécaniques, électroniques et magnétiques.

Contrairement aux méthodes traditionnelles qui reposent principalement sur l’intuition (ainsi qu’une expérimentation étendue et fastidieuse), Mattergen peut générer des milliers de matériaux potentiels avec des propriétés souhaitées spécifiques dans une fraction du temps.

Cette approche dirigée par AI accélère les étapes initiales de la conception des matériaux. Il permet aux chercheurs d’explorer un éventail plus large de possibilités et de se concentrer sur les candidats les plus prometteurs.

MatterSim applique une analyse informatique rigoureuse pour prédire la stabilité et la viabilité de ces matériaux proposés. Cette capacité prédictive aide à filtrer les possibilités théoriques de celles physiquement possibles. Cela garantit que seuls les matériaux stables progressent dans le processus de découverte.

Nouveaux outils dans la boîte

À ce stade, nous pourrions nous demander, à quoi ressemble un nouveau matériel, identifié à travers ce processus? Mattersim se concentre principalement sur les cristaux, ou des structures cristallines plus appropriées uniques avec un arrangement spécifique d’atomes.

Ces structures sont conçues pour respecter des contraintes de propriété précises, ce qui les rend adaptées à diverses applications. Il s’agit notamment de batteries à haute énergie, d’électronique flexible, d’écrans, de panneaux solaires ou d’implants médicaux avancés.

Le puissant duo de Microsoft, cependant, n’est pas seul dans sa quête. Les réseaux graphiques de Google DeepMind pour l’exploration des matériaux (GNOME) sont un autre outil promettant d’accélérer considérablement le processus de découverte. Gnome utilise une forme d’IA inspirée par le cerveau humain appelé Deep Learning. Il prédit la stabilité des nouveaux matériaux, raccourcissant considérablement la phase d’exploration et de découverte.

Dans un article publié en 2023, des chercheurs de Google Deepmind ont démontré que leur modèle d’IA pouvait identifier 2,2 millions de nouveaux matériaux stables. Quelques 736 d’entre eux ont déjà été réalisés expérimentalement. Il s’agit d’une augmentation de dix fois par rapport aux méthodes précédentes. Ces matériaux, dont beaucoup étaient auparavant inconnus des chimistes humains, ont des applications potentielles en énergie propre, en électronique, etc.

Même si GNOME de Google et Microsoft de Mattergen sont basés sur l’IA, ils diffèrent dans leurs approches et, à certains égards, fournissent des méthodologies complémentaires. GNOME prédit la stabilité des nouveaux matériaux en créant des variations sur les structures existantes, et il se concentre sur l’identification des matériaux cristallins stables.

Mattergen, en revanche, utilise un modèle d’IA génératif pour concevoir directement de nouveaux matériaux basés sur des exigences de conception spécifiques. Il crée des structures matérielles en changeant d’éléments, de positions et de réseaux périodiques (une structure répétitive en trois dimensions).

Les implications de la découverte des matériaux dirigés par l’IA sont vastes. Ils pourraient potentiellement conduire à des innovations dans des domaines tels que le stockage d’énergie et la durabilité environnementale. L’une des applications les plus prometteuses est, par exemple, le développement de nouvelles batteries.

Alors que le monde fait la transition vers des sources d’énergie renouvelables, la demande de batteries efficaces et durables a augmenté et continuera de le faire. Les outils d’IA peuvent aider les chercheurs à concevoir et à identifier de nouveaux matériaux capables de soutenir des densités d’énergie plus élevées, des temps de charge plus rapides et des durées de vie plus longues.

Au-delà du stockage d’énergie, de nouveaux matériaux peuvent être utilisés pour concevoir de nouveaux dispositifs médicaux, implants et même des systèmes d’administration de médicaments. Cela pourrait améliorer les résultats des patients et faire progresser les traitements médicaux.

Dans l’aérospatiale, les matériaux légers et durables pourraient améliorer les performances et la sécurité des avions et du vaisseau spatial. Pendant ce temps, les nouveaux matériaux pour la purification de l’eau, la capture du carbone et la gestion des déchets pourraient relever des défis environnementaux pressants.