Google DeepMind a annoncé avoir découvert plus de deux millions de nouveaux matériaux susceptibles d'être utilisés pour améliorer des technologies telles que les batteries, les panneaux solaires et les puces électroniques. Cette découverte a été rendue possible grâce à un système d'IA appelé "GNoME" développé par Google DeepMind. Ce système d'IA est déjà utilisé par des chercheurs du Lawrence Berkeley National Laboratory au sein d'un laboratoire autonome. Google DeepMind indique que le système d'IA a mis 17 jours pour identifier 2,2 millions de nouvelles structures cristallines inorganiques potentiellement stables, dont plus de 700 ont déjà été validées expérimentalement.Google DeepMind annonce avoir mis en évidence une capacité clé de l'apprentissage profond : l'aide à la découverte de nouveaux matériaux pouvant être utilisés pour faire progresser le développement de technologies de pointe. Dans un article de recherche publié mercredi dans la revue scientifique Nature, Google DeepMind affirme que l'apprentissage profond pour accélérer considérablement le processus de découverte de nouveaux matériaux. Pour cela, il a élaboré un algorithme d'apprentissage profond appelé GNoME (Graphical Networks for Material Exploration) capable de proposer des combinaisons théoriquement stables pour de nouveaux minéraux.
L'article de recherche de Google DeepMind indique que cette technologie a déjà été utilisée pour définir les structures de 2,2 millions de nouveaux matériaux, dont plus de 700 ont été créés en laboratoire et font actuellement l'objet d'essais. Selon les chercheurs de Google DeepMind, cela représente une augmentation de près de 10 fois par rapport aux cristaux inorganiques stables connus jusqu'à présent. L'équipe de recherche prévoit de mettre 381 000 des structures les plus prometteuses à la disposition de leurs collègues scientifiques pour qu'ils les fabriquent et testent leur viabilité dans des domaines allant des cellules solaires aux supraconducteurs.
Auparavant, la découverte de nouveaux matériaux pouvait prendre des mois, voire des années, de recherche par essais et erreurs. Pour en découvrir de nouveaux, les scientifiques combinent des éléments du tableau périodique. Mais les combinaisons sont très nombreuses et il est inefficace de procéder à l'aveuglette. Au lieu de cela, les scientifiques s'appuient sur les structures existantes, en y apportant de petites modifications dans l'espoir de découvrir de nouvelles combinaisons prometteuses. Mais ce processus minutieux prend beaucoup de temps. De plus, comme il s'appuie sur des structures existantes, il limite le potentiel de découvertes inattendues.
Pour surmonter ces limites, G DeepMind combine deux modèles d'apprentissage profond différents. Le premier génère plus d'un milliard de structures en apportant des modifications aux éléments des matériaux existants. Le second, en revanche, ignore les structures existantes et prédit la stabilité de nouveaux matériaux uniquement sur la base de formules chimiques. La combinaison de ces deux modèles élargit l'éventail des possibilités. Une fois les structures candidates générées, elles sont filtrées par le modèle d'IA GNoME. Ce modèle prédit l'énergie de décomposition d'une structure donnée, qui est un indicateur important de la stabilité du matériau.
Les matériaux stables ne se décomposent pas facilement, ce qui est important pour l'ingénierie. GNoME sélectionne les candidats les plus prometteurs, qui font l'objet d'une évaluation plus poussée sur la base de cadres théoriques connus. Ce processus est ensuite répété plusieurs fois, chaque découverte étant intégrée dans le cycle de formation suivant. Lors du premier tour, GNoME a prédit la stabilité de différents matériaux avec une précision d'environ 5 %. Selon l'équipe de recherche, les résultats finaux ont révélé que GNoME est parvenu à prédire la stabilité des structures plus de 80 % du temps pour le premier modèle et 33 % pour le second.
L'étude montre la manière dont l'utilisation de l'IA peut raccourcir des années de greffes expérimentales et permettre d'améliorer...
La fin de cet article est réservée aux abonnés. Soutenez le Club Developpez.com en prenant un abonnement pour que nous puissions continuer à vous proposer des publications.
