Google DeepMind, l'IA des Matériaux, découvre 2,2 millions de nouveaux cristaux : une avancée majeure en science des matériaux.

Des chercheurs de Google DeepMind et du Lawrence Berkeley National Laboratory ont réalisé une avancée révolutionnaire avec le développement de GNoME, un nouveau système d'IA qui a identifié plus de 2 millions de nouveaux matériaux adaptés à des technologies telles que les batteries, les panneaux solaires et les puces informatiques. Cette recherche a été publiée dans deux articles dans la revue Nature. Un des études décrit comment DeepMind a utilisé des techniques avancées d'apprentissage profond, permettant à GNoME d'explorer des structures matérielles potentielles avec une efficacité sans précédent.

En seulement 17 jours, GNoME a identifié 2,2 millions de nouvelles structures cristallines inorganiques potentiellement stables, dont plus de 700 ont été validées expérimentalement. Ce succès représente près d'une multiplication par dix par rapport aux cristaux inorganiques stables précédemment reconnus. GNoME utilise deux méthodes de découverte : l'une génère des structures cristallines similaires, tandis que l'autre adopte une approche plus aléatoire. Les résultats des deux méthodes sont testés pour enrichir la base de données de GNoME pour de futurs apprentissages.

Le deuxième article décrit comment les prévisions de GNoME ont été validées par des systèmes robotiques autonomes au Berkeley Lab. Au cours de 17 jours d'expériences automatisées continues, le système a synthétisé avec précision 41 des 58 composés prédits, atteignant un taux de réussite remarquable de 71 %.

Base de Données Publique pour Accélérer l'Innovation

Le jeu de données issu de ces nouveaux matériaux est accessible au public via la base de données Materials Project, permettant aux chercheurs d'explorer les structures pour identifier des matériaux ayant des propriétés spécifiques pour des applications concrètes. Par exemple, l'étude a identifié 52 000 nouveaux matériaux 2D similaires au graphène, 25 fois plus de conducteurs en lithium-ion solides que les recherches précédentes, et 15 composés supplémentaires d'oxyde lithium-manganèse pouvant remplacer l'oxyde lithium-cobalt dans les batteries. Fait remarquable, 736 des matériaux prédits par GNoME ont été confirmés de manière indépendante par des scientifiques du monde entier.

Un Laboratoire Autonome Atteint un Taux de Réussite Élevé

Les capacités de GNoME proviennent de ses réseaux neuronaux graphiques sophistiqués, qui prédisent la stabilité des structures cristallines proposées en quelques secondes. Cette efficacité permet de filtrer un grand nombre de candidats générés par ordinateur pour ne conserver que les plus prometteurs. Alors que les techniques d'apprentissage automatique précédentes avaient du mal à estimer les énergies et la stabilité des nouveaux matériaux, les méthodes des chercheurs démontrent qu'avec suffisamment de données et de puissance de calcul, l'apprentissage profond peut offrir des perspectives remarquables. “Le taux de réussite élevé met en évidence l'efficacité des plateformes d'IA pour la découverte autonome de matériaux et encourage une intégration accrue des méthodes computationnelles, des connaissances historiques et de la robotique,” ont déclaré les chercheurs.

Une Nouvelle Ère dans la Science des Matériaux

Ces études ont des implications immenses pour l'avenir de la découverte scientifique et le rôle de l'IA dans la recherche sur les matériaux. Cette approche guidée par l'IA pourrait considérablement accélérer la création de nouveaux matériaux adaptés à des applications spécifiques, menant à une innovation plus rapide et à une réduction des coûts de développement de produits. L'intégration de l'IA et de l'apprentissage profond suggère un avenir où les expériences de laboratoire laborieuses pourraient être minimisées ou éliminées, permettant aux scientifiques de se concentrer sur la conception et l'analyse de nouveaux composés.

L'impact de ces avancées est vaste, marquant un nouveau chapitre dans la science des matériaux qui pourrait stimuler l'innovation dans de nombreux domaines, de l'amélioration des systèmes de stockage d'énergie à l'avancement des technologies médicales. À mesure que la découverte de matériaux évolue, la synergie entre l'intelligence artificielle, l'apprentissage profond et la recherche scientifique continue d'élargir les frontières des possibles.