IA : accélérateur d’inventions de matériaux inconnus

Sommaire

1/ Les chercheurs interrogent l'intelligence artificielle et simulent la création de matériaux inconnus

L'IA a le potentiel de révolutionner la recherche dans le domaine des matériaux, avec des avancées remarquables à venir.

Les scientifiques utilisent déjà M3GNet pour travailler sur de nouvelles applications telles que des électrodes pour des batteries au lithium plus performantes et sûres. Le projet est open source, avec le code Python de l'IA publié sur la plateforme Github. Cet outil a le potentiel d'accélérer la recherche fondamentale dans le domaine des matériaux en permettant aux chercheurs de trouver des matériaux avec des propriétés spécifiques et en prédisant de nouvelles propriétés. Cette avancée pourrait avoir un impact majeur dans des domaines tels que :

la recherche fondamentale ;
l'industrie :

- les cellules photovoltaïques ;

- les alliages pour les véhicules ;

- les composants électroniques.

Les résultats obtenus ont été compilés dans une base de données en ligne appelée : Materials Virtual Lab.

Les chercheurs comparent l'efficacité de M3GNet à celle d'AlphaFold, un algorithme de Google DeepMind.

2/ Des avancées majeures

L'IA a le potentiel de révolutionner la recherche dans le domaine des matériaux, avec des avancées remarquables à venir.

A ce jour :

l'IA de DeepMind, une division de Google a découvert :

2,2 millions de nouvelles structures moléculaires qui pourraient être utilisées pour créer des matériaux innovants
près de 400 000 seraient exploitables ;
cela correspondrait à 800 années de recherche.

Des chercheurs de l'université de Californie à Berkeley ont mis au point une IA capable d'identifier :

381 000 structures cristallines stables, ouvrant ainsi la voie à de nouvelles opportunités technologiques.

Des chercheurs de l'université de Toronto ont utilisé un superordinateur Niagara pour effectuer :

des calculs 1000 fois plus rapides.

Les nouveaux matériaux créés par l'IA sont testés à l'aide de laboratoires automatisés pilotés par des robots capables de fabriquer jusqu'à 100 échantillons par jour, ce qui permet d'évaluer leur qualité et leurs propriétés pour des applications spécifiques. Une fois les échantillons fabriqués, les bras robotiques les acheminent vers des analyseurs à rayons X pour déterminer leur structure interne.

Tous ces appareils de pointe sont dirigés par une intelligence artificielle qui a été entraînée sur une base de données regroupant des protocoles de synthèse récupérés dans près de 25 000 articles.

Cette IA a inventé des millions de matériaux encore inexistants

Des chercheurs américains ont développé une intelligence artificielle dont le but est de créer une révolution dans le monde des matériaux.

https://sciencepost.fr/cette-ia-a-invente-des-millions-de-materiaux-encore-inexistants/

L'IA de Google a généré les formules de milliers de nouveaux matériaux, et c'est révolutionnaire

l'IA DeepMind de Google est parvenue à créer plusieurs dizaines de matériaux dont les propriétés vont révolutionner le monde la Tech.

https://www.phonandroid.com/lia-de-google-a-genere-les-formules-de-milliers-de-nouveaux-materiaux-et-cest-revolutionnaire.html

L'IA GNoME de DeepMind crée plus de 2 millions de nouveaux cristaux

GNoMe, l'IA développée par DeepMind, la filiale de Google, fait une percée majeure dans le domaine de la recherche de nouveaux matériaux.

https://intelligence-artificielle.com/gnome-deepmind-cristaux-inorganiques/

Healable Cathode Could Unlock Potential of Solid-state Lithium-sulfur Batteries

UC San Diego engineers developed a cathode material for lithium-sulfur (Li-S) batteries that is healable and highly conductive, overcoming longstanding challenges of traditional sulfur cathodes. The advance holds promise for bringing more energy dense and low-cost Li-S batteries closer to market.

https://today.ucsd.edu/story/healable-cathode-could-unlock-potential-of-solid-state-lithium-sulfur-batteries

L'IA utilisée pour découvrir des matériaux énergétiques propres "plus rapidement et plus efficacement"

Performances du modèle sur la prédiction des déformations locales Prédiction de l’énergie de formation de (A) ZrMo2(B) MgO et (C) YFe5 le long des traces de dynamique moléculaire à 800 K. Motifs (2023). DOI : 10.1016/j.patter.2022.100663 Des chercheurs de l’Université de Toronto ont mis au point une méthode d’exploitation de l’intelligence artificielle pour découvrir de nouveaux...

https://simseo.fr/lia-utilisee-pour-decouvrir-des-materiaux-energetiques-propres-plus-rapidement-et-plus-efficacement/