Les systèmes d’intelligence artificielle (IA) nous surprennent chaque jour, car ils vont effectivement au-delà de ce que les êtres humains sont capables de faire et de penser. Celui que nous vous montrons aujourd’hui, par exemple, a inventé 31 millions de matériaux qui n’existent toujours pas.
La technologie peut faciliter des processus qui prennent désormais beaucoup de temps.
L’introduction d’un nouveau matériau avec toutes ses propriétés spécifiques peut prendre de nombreuses années de travail, de l’analyse des données et des calculs aux tests de laboratoire très précis. Cependant, même dans ce domaine, l’IA peut être un allié, facilitant le processus.
Un groupe de chercheurs de la Jacobs School of Engineering de l’Université de Californie à San Diego a développé un nouvel algorithme d’IA appelé M3GNet. Il est capable de prédire la structure et les propriétés dynamiques de n’importe quel matériau, qu’il soit existant ou nouveau, et peut rechercher pratiquement n’importe quel matériau qui lui est attribué.
Le système d’IA a été utilisé pour construire une base de données de plus de 31 millions de nouveaux matériaux, qui n’ont pas encore été synthétisés et dont les propriétés sont prédites par l’algorithme. Tout ce processus se produit presque instantanément. Afin de prédire les propriétés d’un matériau, le système doit connaître la structure du matériau, qui est basée sur l’arrangement de ses atomes.
Comme les protéines, nous avons besoin de connaître la structure d’un matériau pour prédire ses propriétés. Ce dont nous avons besoin, c’est d’un AlphaFold pour les matériaux.
A expliqué Shyue Ping Ong, professeur de nanoingénierie à l’Université de Californie à San Diego.
Shyue Ping Ong, professeur de nanoingénierie à l’Université de Californie à San Diego
AlphaFold est un système créé par DeepMind. Au début de l’été, la société a annoncé qu’elle avait décodé la structure de la quasi-totalité des protéines dans les catalogues des scientifiques, plus de 200 millions. Les protéines effectuent la majeure partie du travail dans les cellules, de la transmission des signaux qui régulent les organes à la protection du corps contre les bactéries et les virus.
Par exemple, nous nous intéressons souvent à la rapidité avec laquelle les ions lithium se diffusent dans une électrode ou un électrolyte de batterie lithium-ion.
Plus la diffusion est rapide, plus une batterie peut être chargée ou déchargée rapidement. Nous avons montré que l’IAP M3GNet peut être utilisé pour prédire la conductivité du lithium d’un matériau avec une bonne précision.
Nous sommes convaincus que l’architecture M3GNet est un outil de transformation qui peut considérablement étendre notre capacité à explorer de nouveaux matériaux et structures chimiques.
Professeur illustré Ong.
Le code Python de M3GNet a été publié en open source sur Github.
À voir aussi :
Envie de vous détendre un peu ? Voici un reportage sur l’intelligence artificielle :
