L’innovation dans la découverte de matériaux est essentielle pour relever certains des plus grands défis auxquels l’humanité est confrontée. Tradidionnellement, la recherche de nouveaux matériaux était une tâche laborieuse et onéreuse, qui ressemblait souvent à « chercher une aiguille dans une meule de foin ». Toutefois, ces méthodes historiques évoluent rapidement grâce à l’introduction d’outils basés sur l’intelligence artificielle, tels que MatterGen, développé par Microsoft.
Un tournant dans la découverte de matériaux
Les méthodes traditionnelles s’appuyaient sur des expériences de type essai-erreur, un processus coûteux et long. Avec le temps, l’approche a évolué vers un filtrage computationnel de grandes bases de données de matériaux, ce qui a permis d’accélérer les découvertes, mais qui restait considérablement chronophage. L’outil MatterGen, en revanche, propose de sauter cette étape de filtrage en concevant directement des matériaux novateurs à partir de spécifications précises.
Selon un article récemment publié dans la revue Nature, MatterGen est un modèle de diffusion qui travaille dans la géométrie tridimensionnelle des matériaux. Contrairement aux modèles de diffusion d’image qui modifient des pixels à partir de descriptions textuelles, MatterGen manipule les éléments, les positions et les réseaux périodiques au sein de structures aléatoires, spécifiquement conçues pour répondre aux exigences de la science des matériaux.
Au-delà du filtrage traditionnel
Les méthodes informatiques classiques consistent à examiner d’énormes bases de données à la recherche de candidats présentant des propriétés souhaitées. Toutefois, cette approche est limitée. MatterGen, en revanche, commence le processus à partir d’une base vierge et génère des matériaux en fonction de critères précis tels que les propriétés chimiques, mécaniques et électroniques. Il a été entraîné grâce à un corpus de plus de 608 000 matériaux stables issus des bases de données Materials Project et Alexandria.
Les résultats de MatterGen sont impressionnants, surpassant largement les méthodes de filtrage traditionnelles, notamment dans la création de matériaux présentant un module de compression élevé. Alors que le filtrage traditionnel indique rapidement des rendements décroissants lorsque l’ensemble des candidats connus s’effondre, MatterGen continue de produire des résultats innovants.
Une approche adaptée aux défis de la synthèse
L’une des complications dans la synthèse des matériaux réside dans le désordre compositionnel, où les atomes échangent leurs positions à l’intérieur d’un réseau cristallin. Les algorithmes traditionnels ont souvent du mal à distinguer ces structures similaires. Pour surmonter cet obstacle, Microsoft a développé un nouvel algorithme d’appariement de structures qui inclut ce désordre dans ses évaluations, offrant ainsi une définition plus robuste de la nouveauté.
Validation du potentiel de MatterGen
Pour valider l’efficacité de MatterGen, Microsoft a collaboré avec les chercheurs des Shenzhen Institutes of Advanced Technology (SIAT) pour synthétiser expérimentalement un matériau conçu par l’IA. Ce matériau, le TaCr₂O₆, a été créé pour atteindre un objectif de module de compression de 200 GPa. Le résultat expérimental, bien que légèrement inférieur à cette cible, mesurait tout de même 169 GPa, un faible écart dans les standards expérimentaux.
Ce matériau a montré un désordre compositionnel entre les atomes de tantal et de chrome, mais sa structure a curieusement coïncidé avec les prédictions du modèle. Une telle précision pourrait transformer les conceptions de matériaux pour des applications essentielles telles que les batteries, les piles à hydrogène et les aimants.
Un parcours vers l’avenir de la découverte scientifique
Microsoft envisage MatterGen comme un complément à MatterSim, un autre modèle d’IA qui accélère les simulations des propriétés des matériaux. Ensemble, ces outils pourraient créer un effet de « flywheel » technologique, améliorant de manière itérative l’exploration et la simulation des nouveaux matériaux.
Cette initiative s’inscrit dans ce que Microsoft qualifie de « cinquième paradigme de la découverte scientifique », où l’IA transcende la simple reconnaissance de motifs pour devenir un guide actif des expériences et des simulations.
En ouvrant le code source de MatterGen sous licence MIT et en rendant accessibles les jeux de données de formation, Microsoft encourage la recherche et l’adoption élargie de cette technologie révolutionnaire. Le potentiel de l’IA générative dans le domaine scientifique rappelle l’impact déjà observé dans la découverte de médicaments, promettant ainsi de redéfinir la conception de matériaux pour des secteurs cruciaux comme l’énergie renouvelable, l’électronique et l’aéronautique.
