Quand l'AI de Google DeepMind découvre les matériaux du futur

Trouver des matériaux plus performants est l'une des clés des avancées techniques de nombreux secteurs industriels mais cela demande en amont une recherche fondamentale longue et coûteuse, ne serait-ce que pour identifier de nouvelles combinaisons potentiellement intéressantes avant de pouvoir les tester en profondeur.

Permettre un screening de grande ampleur et dans des délais courts identifiant les structures minérales les plus intéressantes serait bien sûr une avancée majeure pour de nombreux domaines.

GNoME, accélérateur de découvertes de nouvelles structures cristallines

Google DeepMind, la filiale IA du géant Alphabet, s'est intéressée à cette problématique et a développé un système d'intelligence artificielle baptisé GNoME (Graph Networks for Materials Exploration) qui, en utilisant les lois de la chimie, a pu identifier à lui seul en 17 jours plus de 2 millions de nouvelles structures de cristaux inorganiques, soit l'équivalent de 800 ans de recherche humaine classique, dont 380 000 sont suffisamment stables pour pouvoir être synthétisées et testées en laboratoire.

Quelques exemples de structures découvertes par GNoME mais aussi déjà l'étude dans différents laboratoires pour de futurs superconducteurs, validant la qualité de ses trouvailles

Les résultats sont publiés dans la revue Nature et l'espoir est de pouvoir mettre en évidence des matériaux qui pourront transformer des pans entiers de l'économie, de l'informatique courante ou des supercalculateurs aux batteries électriques encore plus efficaces des voitures de demain.

GNoME utilise des réseaux neuronaux pour prédire la stabilité des structures cristallines très rapidement et de concentrer les efforts sur les composants les plus prometteurs.

Le principe est assez proche de la technique de screening utilisée dans l'industrie pharmaceutique pour identifier de nouveaux médicaments en testant de très nombreuses combinaisons chimiques et en ne retenant que celles qui sont stables et réactives pour des expérimentations poussées qui donneront peut-être une nouvelle molécule active.

Découverte et synthèse, l'IA sait déjà tout faire elle-même

La recherche humaine, laborieuse et à partir d'essais / erreurs, a permis d'identifier 20 000 structures cristallines de référence. En utilisant l'informatique et des techniques de calcul au sein du Materials Project, qui a servi de point de départ pour l'entraînement de l'IA, cette base a été portée à 48 000 structures.

Avec GNoME, ce sont désormais 421 000 structures cristallines exploitables qui sont identifiées. A titre d'exemple, le système AI a mis en évidence 52 000 structures pouvant se substituer au graphène pour de nouveaux superconducteurs et 528 équivalents au couple Li-Ion des batteries électriques qui pourront contribuer à la création de batteries plus efficientes ou durables.

Trouver de nouvelles structures est une chose, pouvoir les synthétiser pour mieux les étudier en est une autre. Dans un autre article, Google DeepMind a montré comment il était possible de produire rapidement les structures découvertes par GNoME à l'aide d'un laboratoire automatisé, en collaboration avec Berkeley Lab.