**Lu Ziheng : Nous avons utilisé l’IA pour examiner 200 000 types de matériaux et découvert une question d’une valeur de 1 milliard de yuans.**

Résumé des points clés

Cet article explore comment l’intelligence artificielle (IA) révolutionne la recherche et le développement de nouveaux matériaux. Grâce à trois modèles – MatterSim (prédiction vers l’avant), MatterGen (génération inverse) et MatEvolve (combinaison d’expériences humaines) – elle résout un problème vieux de cent ans : l’énormité de l’espace de recherche et la lenteur des calculs. L’équipe a utilisé l’IA pour explorer plus de 200 000 matériaux et a conclu que le diamant représente la limite supérieure en termes de conductivité thermique parmi les matériaux à température et pression normales. De plus, elle a réussi à créer un cycle complet allant de la conception de cristaux idéaux à la synthèse de matériaux industriels, transformant ainsi le processus de recherche en une sélection précise, ce qui offre une valeur économique potentielle considérable.

Analyse détaillée

#### 1. Le dilemme de la recherche de nouveaux matériaux : L’IA vient à la rescousse

Quelles étaient les difficultés dans le passé pour trouver de nouveaux matériaux ?

• Explosion des combinaisons : Le tableau périodique contient plus de 100 éléments, et les combinaisons possibles de ces éléments sont exponentiellement nombreuses (par exemple, il existe plus de structures stables pour un composé à 10 atomes de carbone que d’atomes dans l’univers).
• Calculs lents : Pour connaître les propriétés des matériaux, il faut résoudre l’équation de Schrödinger (sa version simplifiée), mais cela nécessite de nombreuses mesures, ce qui prend des semaines et rend une exploration exhaustive impossible.

L’avantage de l’IA : Comme AlphaFold a résolu le problème de la structure des protéines, l’IA peut gérer ces problèmes d’explosion exponentielle en utilisant des réseaux de neurones au lieu des équations traditionnelles, augmentant considérablement la vitesse des calculs et permettant ainsi de passer d’une recherche aléatoire à une approche plus ciblée.

#### 2. MatterSim : Transformer la recherche de matériaux en sélection précise

MatterSim est un outil capable de prédire rapidement et avec précision les propriétés microscopiques des matériaux (énergie, force, conductivité thermique, etc.).

• Révolution de la vitesse : Alors que les méthodes traditionnelles prenaient des semaines pour calculer la conductivité thermique d’un cristal, MatterSim le fait en seulement 30 secondes à quelques minutes, avec une précision comparable.
• Exploration exhaustive : L’équipe a utilisé ce modèle pour examiner plus de 200 000 matériaux (uniques, binaires et certains ternaires) et a tiré trois conclusions importantes :
• Les matériaux à haute conductivité thermique sont très rares ;
• Des candidats tels que le TaP et le Tan ont été identifiés et synthétisés, avec une conductivité proche de celle du diamant ;
• Le diamant est bien la limite supérieure en termes de conductivité thermique pour les matériaux à température et pression normales.

Cette découverte est d’une grande valeur économique, car des domaines tels que le refroidissement des puces et l’aéronautique cherchaient depuis longtemps des matériaux plus performants que le diamant ; elle permet d’économiser des milliards de dollars en investissements de recherche et développement.

#### 3. MatterGen : Génération inverse de matériaux selon les spécifications

Alors que MatterSim prédit les propriétés des matériaux, MatterGen les génère réellement, en fonction des caractéristiques souhaitées.

• Pouvoirs avancés : Il est possible d’imposer diverses contraintes :
• Contraintes sur les éléments (par exemple, se limiter aux éléments disponibles en laboratoire comme le carbone, le cobalt, l’oxygène et le lithium pour créer du lithium cobaltate) ;
• Contraintes sur les propriétés (par exemple, un aimant puissant sans terres rares ou avec une haute densité magnétique) ;
• Contraintes sur la structure (par exemple, choisir un système cristallin quadratique couramment utilisé en recherche).
• Limitations : Pour l’instant, MatterGen ne peut que générer des structures à partir de combinaisons existantes et ne peut pas encore créer des structures entièrement nouvelles.

#### 4. MatEvolve : Du cristal idéal au matériau industriel rentable

Les modèles précédents se concentrent sur les cristaux idéaux (structures parfaites, composition pure), mais les matériaux industriels présentent souvent des défauts, des impuretés ou nécessitent des procédés spéciaux. MatEvolve remédie à ce problème en intégrant l’expérience humaine :

• Intégration de connaissances : Il s’appuie sur des références scientifiques et les connaissances d’experts en chimie (procédés de synthèse, techniques de dopage).
• Vérification complète : L’équipe a utilisé MatEvolve pour concevoir et synthétiser un nouveau matériau avec succès, démontrant que l’IA peut passer des concepts théoriques à des applications pratiques rentables.

L’avantage est que cela ne nécessite pas d’investissements importants en formation de modèles complexes ; il suffit d’utiliser des données issues de décennies d’expériences humaines pour combler le fossé entre les idées et la réalité industrielle.

#### 5. Perspectives pour l’avenir

Dans 10 ans, les laboratoires de recherche sur les matériaux pourraient ressembler à ceux des films de science-fiction :

• Les scientifiques demanderaient à l’IA de concevoir un alliage supérieur pour la prochaine génération d’armures ;
• L’IA générerait des candidats potentiels, qui seraient ensuite testés par des simulations informatiques et vérifiés par des expériences en laboratoire menées par des robots.
• Le processus entier serait 100 fois plus rapide et coûterait 90 % moins cher qu’aujourd’hui.

Bien que le nombre de matériaux soit considérable (contrairement à l’industrie pharmaceutique), la demande est forte dans des secteurs tels que les puces, les batteries et l’aéronautique, ce qui accélérera certainement la transformation de cette industrie grâce à l’IA.

En résumé

L’IA permet de passer d’une approche basée sur la chance et l’intuition à une conception précise des nouveaux matériaux, économisant ainsi beaucoup de temps et d’argent. Elle répond également à des questions cruciales (comme savoir si le diamant représente bien la limite en termes de conductivité thermique). À l’avenir, il est possible que nous puissions vraiment faire fabriquer par l’IA n’importe quel matériau dont nous avons besoin.