Les scientifiques de Google ont découvert 380 000 nouveaux matériaux grâce à l’intelligence artificielle

L’expansion de la ressource en libre accès est déterminante pour les scientifiques qui souhaitent développer de nouveaux matériaux pour les technologies futures.

Les nouveaux progrès technologiques nécessitent souvent le développement de nouveaux matériaux – et grâce aux superordinateurs et aux simulations avancées, les chercheurs peuvent contourner le processus long et souvent inefficace des essais et des erreurs.

Le Projet de matériaux, une base de données en libre accès fondée au Laboratoire national Lawrence Berkeley du ministère de l’Énergie (Berkeley Lab) en 2011, calcule les propriétés des matériaux connus et prévus. Les chercheurs peuvent se concentrer sur des matériaux prometteurs pour les technologies futures – pensez à des alliages plus légers qui améliorent l’économie de carburant des voitures, à des cellules solaires plus efficaces pour stimuler les énergies renouvelables ou à des transistors plus rapides pour la prochaine génération d’ordinateurs.

Aujourd’hui, Google DeepMind, le laboratoire d’intelligence artificielle de Google, contribue au projet Materials avec près de 400 000 nouveaux composés, augmentant ainsi la quantité d’informations sur lesquelles les chercheurs peuvent s’appuyer. L’ensemble de données comprend la manière dont les atomes d’un matériau sont disposés (la structure cristalline) et sa stabilité (l’énergie de formation).

https://www.youtube.com/watch?v=HNNDIj-AAXc
Le projet Matériaux peut visualiser la structure atomique des matériaux. Ce composé (Ba₆Nb₇O₂₁) fait partie des nouveaux matériaux calculés par GNoME. Il contient du baryum (bleu), du niobium (blanc) et de l’oxygène (vert). Crédit : Projet Matériaux/Berkeley Lab

« Nous devons créer de nouveaux matériaux si nous voulons relever les défis environnementaux et climatiques mondiaux », a déclaré Kristin Persson, fondatrice et directrice du Materials Project au Berkeley Lab et professeur à l’UC Berkeley. « Grâce à l’innovation dans les matériaux, nous pouvons potentiellement développer des plastiques recyclables, exploiter l’énergie gaspillée, fabriquer de meilleures batteries et construire des panneaux solaires moins chers qui durent plus longtemps, entre autres choses. »

Le rôle de GNoME dans la découverte de matériaux

Pour générer les nouvelles données, Google DeepMind a développé un outil d’apprentissage en profondeur appelé Graph Networks for Materials Exploration, ou GNoME. Les chercheurs ont formé GNoME à l’aide de flux de travail et de données développés sur une décennie par le Materials Project, et ont amélioré l’algorithme GNoME grâce à un apprentissage actif. Les chercheurs de GNoME ont finalement produit 2,2 millions de structures cristallines, dont 380 000 qu’ils ajoutent au projet Materials et qui, selon eux, sont stables, ce qui les rend potentiellement utiles dans les technologies futures. Les nouveaux résultats de Google DeepMind ont été récemment publiés dans la revue Nature.

Des robots guidés par l’intelligence artificielle ont créé plus de 40 nouveaux matériaux prédits par le Materials Project. Les données de GNoME ont été utilisées comme vérification supplémentaire pour savoir si ces matériaux prédits seraient stables. Crédit : Marilyn Sargent/Berkeley Lab

Certains calculs de GNoME ont été utilisés parallèlement aux données du Materials Project pour tester A-Lab, une installation du Berkeley Lab où l’intelligence artificielle guide les robots dans la fabrication de nouveaux matériaux. Le premier article d’A-Lab, également publié dans Naturea montré que le laboratoire autonome peut découvrir rapidement de nouveaux matériaux avec un minimum d’intervention humaine.

En 17 jours d’exploitation indépendante, A-Lab a réussi à produire 41 nouveaux composés sur les 58 tentatives, soit un rythme de plus de deux nouveaux matériaux par jour. À titre de comparaison, il peut falloir à un chercheur humain des mois de conjectures et d’expérimentation pour créer un nouveau matériau, s’il parvient un jour à atteindre le matériau souhaité.

Pour fabriquer les nouveaux composés prédits par le projet Materials, l’IA d’A-Lab a créé de nouvelles recettes en parcourant des articles scientifiques et en utilisant l’apprentissage actif pour effectuer des ajustements. Les données du Materials Project et de GNoME ont été utilisées pour évaluer la stabilité prévue des matériaux.

Le Materials Project du Berkeley Lab donne aux chercheurs accès à des informations cruciales sur divers matériaux. Cette image montre les structures de 12 composés dans la base de données Materials Project. Crédit : Jenny Nuss/Berkeley Lab

« Nous avons eu ce taux de réussite stupéfiant de 71 %, et nous avons déjà quelques moyens de l’améliorer », a déclaré Gerd Ceder, chercheur principal d’A-Lab et scientifique au Berkeley Lab et à l’UC Berkeley. « Nous avons montré que la combinaison de la théorie et des données avec l’automatisation donne des résultats incroyables. Nous pouvons fabriquer et tester des matériaux plus rapidement que jamais, et l’ajout de plus de points de données au projet Matériaux signifie que nous pouvons faire des choix encore plus intelligents.

L’impact et l’avenir du projet sur les matériaux

Le Materials Project est le référentiel d’informations en libre accès le plus largement utilisé au monde sur les matériaux inorganiques. La base de données contient des millions de propriétés sur des centaines de milliers de structures et de molécules, informations principalement traitées au Centre informatique national de recherche énergétique du Berkeley Lab. Plus de 400 000 personnes sont enregistrées comme utilisateurs du site et, en moyenne, plus de quatre articles citant le Materials Project sont publiés chaque jour. La contribution de Google DeepMind constitue le plus grand ajout de données sur la stabilité de la structure d’un groupe depuis le début du projet Materials.

« Nous espérons que le projet GNoME fera progresser la recherche sur les cristaux inorganiques », a déclaré Ekin Dogus Cubuk, responsable de l’équipe Materials Discovery de Google DeepMind. « Des chercheurs externes ont déjà vérifié plus de 736 nouveaux matériaux de GNoME grâce à des expériences physiques simultanées et indépendantes, démontrant que les découvertes de notre modèle peuvent être réalisées en laboratoire. »

Ce timelapse d’une minute montre comment les gens du monde entier utilisent le Materials Project pendant quatre heures. Le tableau de bord des données affiche une fenêtre continue d’une heure de l’activité mondiale du projet Materials, y compris le nombre de demandes, le pays des utilisateurs et les propriétés des matériaux les plus fréquemment interrogées. Crédit : Patrick Huck/Berkeley Lab

Le Materials Project traite actuellement les composés de Google DeepMind et les ajoute à la base de données en ligne. Les nouvelles données seront librement accessibles aux chercheurs et alimenteront également des projets tels que A-Lab en partenariat avec le Materials Project.

« Je suis vraiment ravi que les gens utilisent le travail que nous avons effectué pour produire une quantité sans précédent d’informations sur les matériaux », a déclaré Persson, qui est également directeur de la fonderie moléculaire du Berkeley Lab. « C’est ce que j’ai décidé de faire avec le projet Materials : non seulement rendre les données que j’ai produites gratuites et disponibles pour accélérer la conception de matériaux pour le monde, mais aussi enseigner au monde ce que les calculs peuvent faire pour vous. Ils peuvent analyser de grands espaces à la recherche de nouveaux composés et propriétés plus efficacement et plus rapidement que les expériences seules.

De nombreux calculs du projet Matériaux sont effectués sur des superordinateurs du Centre informatique scientifique national de recherche énergétique du Berkeley Lab. Crédit : Thor Swift/Laboratoire de Berkeley

En suivant les pistes prometteuses des données du projet Materials au cours de la dernière décennie, les chercheurs ont confirmé expérimentalement les propriétés utiles de nouveaux matériaux dans plusieurs domaines. Certains présentent un potentiel d’utilisation :

• dans le captage du carbone (extraire le dioxyde de carbone de l’atmosphère)
• comme photocatalyseurs (matériaux qui accélèrent les réactions chimiques en réponse à la lumière et pourraient être utilisés pour décomposer les polluants ou générer de l’hydrogène)
• comme thermoélectriques (matériaux qui pourraient aider à exploiter la chaleur perdue et à la transformer en énergie électrique)
• comme conducteurs transparents (ce qui pourrait être utile dans les cellules solaires, les écrans tactiles ou les LED)

Bien entendu, la découverte de ces matériaux prometteurs n’est qu’une des nombreuses étapes permettant de résoudre certains des grands défis technologiques de l’humanité.

« Faire un matériau n’est pas pour les âmes sensibles », a déclaré Persson. « Il faut beaucoup de temps pour faire passer un matériau du calcul à la commercialisation. Il doit avoir les bonnes propriétés, fonctionner au sein des appareils, être capable d’évoluer et avoir la bonne rentabilité et les bonnes performances. L’objectif du Materials Project et d’installations comme A-Lab est d’exploiter les données, de permettre une exploration basée sur les données et, à terme, de donner aux entreprises des tirs au but plus viables.