Un modèle d'IA basé sur des graphiques découvre des liens cachés entre la science et l'art pour suggérer de nouveaux matériaux

Imaginez utiliser l'intelligence artificielle pour comparer deux créations apparemment sans rapport : des tissus biologiques et la « Symphonie n°9 » de Beethoven. À première vue, un système vivant et un chef-d’œuvre musical peuvent sembler n’avoir aucun lien. Cependant, une nouvelle méthode d'IA développée par Markus J. Buehler, professeur d'ingénierie McAfee et professeur de génie civil et environnemental et de génie mécanique au MIT, comble cette lacune, révélant des modèles communs de complexité et d'ordre.

« En combinant l'IA générative avec des outils informatiques basés sur des graphiques, cette approche révèle des idées, des concepts et des conceptions entièrement nouveaux qui étaient auparavant inimaginables. Nous pouvons accélérer la découverte scientifique en enseignant à l'IA générative de faire de nouvelles prédictions sur des idées, des concepts inédits. » , et des designs », déclare Buehler.

La recherche en libre accès, récemment publiée dans Apprentissage automatique : science et technologiedémontre une méthode d'IA avancée qui intègre l'extraction de connaissances génératives, la représentation basée sur des graphiques et le raisonnement graphique intelligent multimodal.

Le travail utilise des graphiques développés à l’aide de méthodes inspirées de la théorie des catégories comme mécanisme central pour apprendre au modèle à comprendre les relations symboliques en science. La théorie des catégories, une branche des mathématiques qui traite des structures abstraites et des relations entre elles, fournit un cadre pour comprendre et unifier divers systèmes en mettant l'accent sur les objets et leurs interactions, plutôt que sur leur contenu spécifique.

Dans la théorie des catégories, les systèmes sont considérés en termes d'objets (qui peuvent être n'importe quoi, depuis des nombres jusqu'à des entités plus abstraites comme des structures ou des processus) et de morphismes (flèches ou fonctions qui définissent les relations entre ces objets). En utilisant cette approche, Buehler a pu apprendre au modèle d’IA à raisonner systématiquement sur des concepts et des comportements scientifiques complexes. Les relations symboliques introduites par les morphismes montrent clairement que l'IA ne se contente pas d'établir des analogies, mais s'engage dans un raisonnement plus profond qui cartographie les structures abstraites dans différents domaines.

Buehler a utilisé cette nouvelle méthode pour analyser une collection de 1 000 articles scientifiques sur les matériaux biologiques et les a transformés en une carte des connaissances sous la forme d'un graphique. Le graphique a révélé comment différentes informations sont connectées et a permis de trouver des groupes d'idées connexes et des points clés qui relient de nombreux concepts entre eux.

« Ce qui est vraiment intéressant, c'est que le graphique est sans échelle, est hautement connecté et peut être utilisé efficacement pour le raisonnement graphique », explique Buehler. « En d'autres termes, nous apprenons aux systèmes d'IA à réfléchir à des données basées sur des graphiques pour les aider à créer de meilleurs modèles de représentation du monde et à améliorer leur capacité à penser et à explorer de nouvelles idées pour permettre la découverte. »

Les chercheurs peuvent utiliser ce cadre pour répondre à des questions complexes, trouver des lacunes dans les connaissances actuelles, suggérer de nouvelles conceptions de matériaux, prédire le comportement potentiel des matériaux et relier des concepts qui n'avaient jamais été connectés auparavant.

Le modèle d'IA a découvert des similitudes inattendues entre les matériaux biologiques et la « Symphonie n°9 », suggérant que les deux suivent des modèles de complexité. « De la même manière que les cellules des matériaux biologiques interagissent de manière complexe mais organisée pour remplir une fonction, la 9e symphonie de Beethoven arrange les notes et les thèmes musicaux pour créer une expérience musicale complexe mais cohérente », explique Buehler.

Dans une autre expérience, le modèle d'IA basé sur des graphiques recommandait de créer un nouveau matériau biologique inspiré des motifs abstraits trouvés dans la peinture de Wassily Kandinsky, « Composition VII ». L'IA a suggéré un nouveau matériau composite à base de mycélium. « Le résultat de ce matériau combine un ensemble innovant de concepts incluant un équilibre entre chaos et ordre, des propriétés ajustables, une porosité, une résistance mécanique et une fonctionnalité chimique à motifs complexes », note Buehler.

En s'inspirant d'une peinture abstraite, l'IA a créé un matériau qui équilibre sa solidité et sa fonctionnalité, tout en étant adaptable et capable de remplir différents rôles. Cette application pourrait conduire au développement de matériaux de construction durables innovants, d’alternatives biodégradables aux plastiques, de technologies portables et même de dispositifs biomédicaux.

Grâce à ce modèle d'IA avancé, les scientifiques peuvent tirer des enseignements de la musique, de l'art et de la technologie pour analyser les données de ces domaines afin d'identifier des modèles cachés qui pourraient déclencher un monde de possibilités innovantes pour la conception matérielle, la recherche et même la musique ou les arts visuels.

« L'IA générative basée sur des graphiques atteint un degré de nouveauté, d'exploration des capacités et de détails techniques bien plus élevé que les approches conventionnelles, et établit un cadre d'innovation largement utile en révélant des connexions cachées », explique Buehler.

« Cette étude contribue non seulement au domaine des matériaux et de la mécanique bio-inspirés, mais ouvre également la voie à un avenir où la recherche interdisciplinaire alimentée par l'IA et les graphiques de connaissances pourrait devenir un outil d'enquête scientifique et philosophique alors que nous envisageons d'autres travaux futurs. « .