L’intelligence artificielle GNoME et le laboratoire autonome A-lab s’allient pour la découverte de nouveaux cristaux

Une percée majeure dans le domaine de la science des matériaux a été partagée par Google DeepMind et le Lawrence Berkeley National Laboratory dans la revue Nature, mettant en lumière l’outil d’IA GNoME^1,2 (Graph Networks for Materials Exploration) et le laboratoire autonome A-Lab^1,3.

GNoME est un outil basé sur le deep learning. Entraîné dans un 1^er temps avec les bases de données existantes, notamment du Materials Project (https://next-gen.materialsproject.org/), il a permis de prédire plus de 2 millions de nouvelles structures cristallines, parmi lesquelles 381 000 pourraient être stables. GNoME utilise une combinaison de deux modèles de deep learning pour prédire la stabilité des composés : l’un basé sur des structures similaires à des cristaux connus, et l’autre sur des formules chimiques.

En partenariat avec le Lawrence Berkeley National Laboratory (LBNL), les matériaux prédits par GNoME ont été intégrés dans le Materials Project. Le LBNL a mis en place un laboratoire de synthèse haut débit autonome, le A-Lab, qui constitue un excellent exemple de l’application de l’intelligence artificielle, de la robotique et de l’automatisation dans le développement de nouveaux matériaux.

Cette plateforme utilise des calculs de simulation, des données bibliographiques existantes et des procédés de machine learning et d’active learning pour prévoir les protocoles de synthèse. Les produits de synthèse sont ensuite caractérisés par diffraction des rayons X (XRD). Les profils sont analysés via des modèles de machine learning. Si le protocole de synthèse ne produit pas le résultat attendu, un algorithme d’active learning propose un protocole de synthèse alternatif pour améliorer la qualité et le rendement des matériaux synthétisés. Ainsi, A-Lab a montré sa capacité à à préparer rapidement des composés, avec 41 matériaux synthétisés sur une base de 58 proposés en un peu plus de 2 semaines avec un minimum d’intervention humaine.

Cette efficacité remarquable montre comment l’automatisation et l’IA peuvent accélérer les processus de recherche et de développement, ouvrant la voie à des avancées rapides et significatives dans de nombreux domaines. Bien que la robustesse des résultats obtenus par A-lab soit actuellement discutée^4,5, la mise en place de plateformes autonomes nécessite sans aucun doute des optimisations mais ouvre la voie vers une accélération de la découverte de nouveaux matériaux. Le programme GNoME s’est concentré sur les cristaux mais les techniques utilisées pour réaliser ses prédictions ouvrent la voie pour la découverte d’autres types de matériaux.