Une IA Google DeepMind vient de découvrir 380,000 XNUMX nouveaux matériaux. Ce robot les prépare.

Une IA Google DeepMind vient de découvrir 380,000 XNUMX nouveaux matériaux. Ce robot les prépare.

Horodatage: 30 novembre 2023 5:40
Une IA Google DeepMind vient de découvrir 380,000 XNUMX nouveaux matériaux. Ce robot les prépare. Intelligence des données PlatoBlockchain. Recherche verticale. Aï.

Un robot chimiste vient de s'associer à un cerveau IA pour créer une mine de nouveaux matériaux.

Deux études collaboratives de Google DeepMind et de l'Université de Californie à Berkeley décrivent un système qui prédit les propriétés de nouveaux matériaux, notamment ceux potentiellement utiles dans les batteries et cellules solaires-et les produit avec un Bras robotique.

Nous tenons pour acquis les matériaux du quotidien : des gobelets en plastique pour un festin de vacances, des composants de nos smartphones ou des fibres synthétiques dans des vestes qui nous gardent au chaud lorsque les vents froids frappent.

Les scientifiques ont minutieusement découvert environ 20,000 XNUMX types de matériaux différents qui nous permettent de construire n'importe quoi, depuis puces informatiques aux manteaux gonflés et aux ailes d’avion. Des dizaines de milliers d’autres matériaux potentiellement utiles sont en préparation. Pourtant, nous n’avons fait qu’effleurer la surface.

L'équipe de Berkeley a développé un robot ressemblant à un chef qui mélange et chauffe les ingrédients, transformant automatiquement les recettes en matériaux. En tant que « test de goût », le système, surnommé A-Lab, analyse les propriétés chimiques de chaque produit final pour voir s’il répond à ses attentes.

Pendant ce temps, L'IA de DeepMind a imaginé une myriade de recettes à cuisiner pour le chef du A-Lab. C'est une longue liste. En utilisant une stratégie d'apprentissage automatique populaire, l'IA a trouvé deux millions de structures chimiques et 380,000 XNUMX nouveaux matériaux stables, dont beaucoup vont à l’encontre de l’intuition humaine. Le travail est une extension « d’un ordre de grandeur » sur les matériaux que nous connaissons actuellement, les auteurs écrit.

À l'aide du livre de recettes de DeepMind, A-Lab a fonctionné pendant 17 jours et a synthétisé 41 des 58 produits chimiques cibles, une victoire qui aurait nécessité des mois, voire des années, d'expériences traditionnelles.

Ensemble, cette collaboration pourrait lancer une nouvelle ère de la science des matériaux. "C'est très impressionnant" a affirmé Valérie Plante. Dr Andrew Rosen de l'Université de Princeton, qui n'a pas participé aux travaux.

Parlons de produits chimiques

Regarde autour de toi. De nombreuses choses que nous tenons pour acquises – l’écran de smartphone sur lequel vous faites défiler la page – sont basées sur la chimie des matériaux.

Les scientifiques ont longtemps eu recours à des essais et des erreurs pour découvrir des structures chimiquement stables. Comme les blocs Lego, ces composants peuvent être intégrés dans des matériaux complexes qui résistent à des changements de température spectaculaires ou à des pressions élevées, nous permettant ainsi d'explorer le monde, des profondeurs de la mer jusqu'à l'espace.

Une fois cartographiées, les scientifiques capturent les structures cristallines de ces composants et les sauvegardent pour référence. Des dizaines de milliers sont déjà déposés dans des banques de données.

Dans la nouvelle étude, DeepMind a tiré parti de ces structures cristallines connues. L'équipe a formé un système d'IA sur une immense bibliothèque contenant des centaines de milliers de documents appelée le Projet de matériaux. La bibliothèque comprend des matériaux que nous connaissons et utilisons déjà, ainsi que des milliers de structures aux propriétés inconnues mais potentiellement utiles.

La nouvelle IA de DeepMind s'est entraînée sur 20,000 28,000 cristaux inorganiques connus (et XNUMX XNUMX autres candidats prometteurs) du projet Materials pour découvrir quelles propriétés rendent un matériau désirable.

Essentiellement, l’IA fonctionne comme un cuisinier qui teste des recettes : ajoutez un petit quelque chose ici, changez quelques ingrédients là, et par essais et erreurs, elle atteint les résultats souhaités. Alimenté par les données de l'ensemble de données, il a généré des prédictions sur de nouveaux produits chimiques potentiellement stables, ainsi que sur leurs propriétés. Les résultats ont été réinjectés dans l’IA pour affiner davantage ses « recettes ».

Au fil de nombreux tours, l’entraînement a permis à l’IA de commettre de petites erreurs. Plutôt que d’échanger plusieurs structures chimiques en même temps – une décision potentiellement catastrophique – l’IA a évalué de manière itérative de petits changements chimiques. Par exemple, au lieu de remplacer un composant chimique par un autre, il pourrait essayer de n’en remplacer que la moitié. Si les échanges ne fonctionnaient pas, pas de problème, le système éliminait tous les candidats qui n'étaient pas stables.

L’IA a finalement produit 2.2 millions de structures chimiques, dont 380,000 500 seraient stables si elles étaient synthétisées. Plus de XNUMX des matériaux récemment découverts étaient liés aux conducteurs lithium-ion, qui jouent un rôle essentiel dans les batteries actuelles.

"C'est comme ChatGPT pour la découverte de matériaux" a affirmé Valérie Plante. Dr Carla Gomes de l'Université Cornell, qui n'a pas participé à la recherche.

L'esprit à l'importance

Les prédictions de DeepMind en matière d'IA ne sont que cela : ce qui semble bon sur le papier ne fonctionne pas toujours.

C'est ici qu'intervient A-Lab. Une équipe dirigée par le Dr Gerbrand Ceder de l'UC Berkeley et du Lawrence Berkeley National Laboratory a construit un système robotique automatisé dirigé par une IA formée sur plus de 30,000 XNUMX recettes chimiques publiées. À l’aide de bras robotisés, A-Lab fabrique de nouveaux matériaux en sélectionnant, mélangeant et chauffant les ingrédients selon une recette.

Au cours de deux semaines de formation, A-Lab a produit une série de recettes pour 41 nouveaux matériaux sans aucune intervention humaine. Le succès n'a pas été total : 17 matériaux n'ont pas atteint leurs objectifs. Cependant, grâce à une intervention humaine, le robot a synthétisé ces matériaux sans accroc.

Ensemble, les deux études ouvrent un univers de nouveaux composés susceptibles de répondre aux défis mondiaux d'aujourd'hui. Les prochaines étapes consistent à ajouter des propriétés chimiques et physiques à l'algorithme pour améliorer encore sa compréhension du monde physique et à synthétiser davantage de matériaux à des fins de test.

DeepMind publie son IA et certaines de ses recettes chimiques au public. Pendant ce temps, A-Lab exécute des recettes à partir de la base de données et télécharge leurs résultats dans le projet Materials.

Pour Ceder, une carte de nouveaux matériaux générée par l’IA pourrait « changer le monde ». Ce n'est pas A-lab en lui-même, il a affirmé Valérie Plante.. Il s'agit plutôt de « les connaissances et les informations qu'elles génèrent ».

Crédit d’image : Marilyn Sargent/Berkeley Lab

Horodatage:

Plus de Singularity Hub