Des chercheurs de Google DeepMind ont été en mesure de découvrir 2,2
des millions de structures cristallines théoriquement stables mais jamais
réalisées expérimentalement en exploitant les capacités de traitement
de l’intelligence artificielle. L’ampleur de ce qui a été découvert est 45 fois
que toutes les substances de ce type identifiées dans l’histoire
de la science, comme l’indique l’étude
publiée dans Nature.
Ekin Dogus Cubuk, co-auteur de l’étude, explique : « La science des matériaux est le point de rencontre entre la pensée abstraite et l’univers physique ;
matériaux où la pensée abstraite rencontre l’univers physique.
Il est difficile d’imaginer une technologie qui ne pourrait pas bénéficier
de l’utilisation de meilleurs matériaux ».
Les
méthodes utilisées par les chercheurs pour découvrir les matériaux
;
représentent un point de départ qui laisse une place considérable
d’amélioration en imaginant la combinaison de données historiques,
la puissance de calcul et les nouvelles capacités de l’intelligence artificielle disponibles à l’avenir ;
disponibles à l’avenir.
En outre, jusqu’à présent, la découverte de nouvelles structures cristallines a été
;
principalement réalisée par une approche coûteuse d’essais et d’erreurs : la
possibilité d’utiliser les capacités de l’intelligence artificielle
permet de progresser vers la découverte assistée de composés potentiellement utiles
la découverte assistée de composés potentiellement utiles avec une rapidité nettement supérieure à celle des méthodes empiriques traditionnelles
les méthodes empiriques traditionnelles.
Les chercheurs ont exploité l’apprentissage automatique à la fois pour générer des
candidats prometteurs, ainsi que pour prédire leur stabilité : par exemple,
il a été possible d’identifier 52 000 nouveaux composés stratifiés similaires
au graphènetous candidats potentiels à une utilisation dans la
conception de nouveaux supraconducteurs. Avec les approches conventionnelles, seuls un millier de matériaux
qu’un millier de matériaux
de ce type. En outre, 528 matériaux conducteurs lithium-ion ont vu le jour ;
matériaux conducteurs lithium-ion, soit 25 fois plus que dans toute étude précédente, et ils sont eux aussi
des candidats potentiels pour faire évoluer et améliorer les performances
des batteries rechargeables.
Cette incroyable base de données de matériaux a été obtenue grâce à un
outil d’IA appelé GNoME (Graph Network for Material
Exploration) et ouvre des perspectives passionnantes de progrès dans divers
domaines de la science et de la technologie, des énergies renouvelables à la microélectronique ;
microélectronique. GNoME est un modèle de réseau neuronal qui utilise des données in
des données sous forme de graphes, comparables aux liens entre les atomes,
une caractéristique qui rend les réseaux neuronaux sur graphes particulièrement adaptés
pour la découverte de nouveaux matériaux cristallins.
Une autre
publication dans Nature documente les premières expériences déjà menées
;
par un groupe de chercheurs du UC Berkeley/Lawrence Berkeley National
Laboratory, qui ont pu créer 41 nouveaux composés à partir d’une liste
de 58 possibilités, en exploitant les découvertes de l’équipe Google Deep Mind, et
obtenant ainsi un taux de réussite de 70.
Les travaux des chercheurs de Deep Mind seront mis à la disposition de la communauté ;
communauté scientifique par l’intermédiaire de The
Materials Project, qui aura accès aux 381 000 structures les plus prometteuses
les plus prometteuses parmi celles découvertes afin qu’il soit possible de
vérifier expérimentalement leurs applications pratiques potentielles. Pour
comprendre l’ampleur de tout cela, il suffit de penser qu’avant ces
découvertes, le nombre de structures stables connues, depuis les éléments
connus depuis des milliers d’années jusqu’aux matériaux les plus récents, était d’environ 48 000 ;
mille.
