Google DeepMind a publié une étude qui détaille comment leur nouvel algorithme, GNoME, a permis la découverte de 700 nouveaux matériaux actuellement testés en laboratoire. Ils pourraient servir dans le secteur de l’énergie.

Cette technologie inventée par Google DeepMind prend le nom de Called graphical networks for material exploration — GNoME. Dans un papier publié dans Nature le 29 novembre 2023, on apprend que cette intelligence artificielle a permis de prédire la structure de 2,2 millions de matériaux, dont 380 000 sont prometteurs, et dont 736 ont finalement pu être confirmés et testés en laboratoire à ce jour.

Le système reprend celui d’AlphaFold, cet algorithme capable de prédire la structure de protéines, et qui faisait déjà office de petite révolution médicale puisque cela peut permettre d’accélérer la découverte de médicaments. L’algorithme de GNoME, quant à lui, se concentre sur les matériaux. « Bien que les matériaux jouent un rôle essentiel dans presque toutes les technologies, l’humanité ne connaît que quelques dizaines de milliers de matériaux stables », a expliqué Dogus Cubuk, responsable de la découverte des matériaux chez Google DeepMind, en conférence de presse.

De nouveaux matériaux pour les batteries, les panneaux solaires…

Mais comment découvre-t-on des matériaux ? Habituellement, les scientifiques procèdent à des combinaisons d’éléments du tableau périodique. Mais ce n’est pas une partie de dés, le nombre de combinaisons possibles est vertigineux, ils ne partent pas de nulle part. Ils utilisent les structures de matériaux existants puis, par petites touches, y apportent des changements jusqu’à obtenir de nouvelles combinaisons.

C’est là qu’intervient GNoME. L’algorithme de Google DeepMind procède en accéléré à ces recombinaisons, à partir de son entraînement par apprentissage automatique (à partir des données massives issues du Materials Project). Pour procéder aux découvertes relayées dans le papier publié dans Nature, un milliard de structures — « cristaux » — ont été générées ; puis GNoME a évacué celles déjà connues ainsi que celles les moins stables. In fine, l’algorithme a pu générer les structures de nouveaux matériaux. La dernière étape, cependant, reste humaine, puisqu’il s’agit de tester dans le monde réel la stabilité et l’utilité de ces nouveaux matériaux. D’ailleurs, un second papier publié dans Nature le même jour, issu du Berkley Lab, partenaire de DeepMind, a montré comment il était possible d’intégrer l’algorithme de GNoME dans un système automatisé — un laboratoire robotisé.

Des structures de matériaux découvertes par l'algorithme GNoME. // Source : DeepMind
Des structures de matériaux découvertes par l’algorithme GNoME. // Source : DeepMind

Pour les ingénieurs de DeepMind, il est clair que cette technologie peut aider à améliorer et à accélérer l’innovation dans certains secteurs, et en particulier celui de l’énergie — par exemple avec des matériaux pour des panneaux solaires, pour des batteries. DeepMind cite notamment des découvertes prometteuses concernant des matériaux conducteurs pour des batteries au lithium-ion ; une amélioration possible de la circulation du courant électrique n’étant pas anodin pour la partie matérielle de ce type de technologies.

« Pour construire un avenir plus durable, nous avons besoin de nouveaux matériaux. GNoME a découvert 380 000 cristaux stables qui offrent la possibilité de développer des technologies plus écologiques, qu’il s’agisse de meilleures batteries pour les voitures électriques ou de supraconducteurs pour une informatique plus efficace », vante Google DeepMind sur son site internet. « Nos recherches — et celles de nos collaborateurs du Berkeley Lab, de Google Research et d’équipes du monde entier — montrent qu’il est possible d’utiliser l’IA pour guider la découverte, l’expérimentation et la synthèse des matériaux. »


Abonnez-vous gratuitement à Artificielles, notre newsletter sur l’IA, conçue par des IA, vérifiée par Numerama !