L'IA dans le domaine de la science des matériaux
© 2022 EPFL
Des chercheurs de l'EPFL, en collaboration avec des collègues de Paris et des Etats-Unis, ont appliqué l'intelligence artificielle (IA) à un problème de longue date dans le domaine de la science des matériaux : identifier, dans des bases de données massives générées par ordinateur, les structures qui sont de bons candidats pour une fabrication réelle. Au PRN MARVEL, Michele Ceriotti, professeur à la Faculté des sciences et techniques de l’ingénieur, et ses collègues ont concentré leur étude sur des zéolithes hypothétiques, des matériaux prometteurs pour le captage des émissions de dioxyde de carbone, ainsi que comme catalyseurs pour la chimie verte.
Les zéolithes sont des cristaux nanoporeux qui sont utilisés depuis plus de soixante ans dans un certain nombre de processus industriels, notamment pour le raffinage du pétrole et la séparation des mélanges chimiques. Si de nombreux efforts ont été déployés pour identifier et synthétiser de nouvelles zéolithes afin de répondre à des besoins modernes tels que la production de biocarburants propres et la capture du dioxyde de carbone, le succès est resté largement théorique. Des bases de données massives de zéolithes hypothétiques ont été créées, contenant des millions de nouvelles structures, mais aucune n'a été réalisée en laboratoire.
"Ce problème, connu sous le nom d'"énigme des zéolithes", a fortement limité le rythme de la transition vers une énergie propre", a déclaré Michele Ceriotti. "Trouver les quelques zéolithes hypothétiques qui peuvent effectivement être synthétisées en laboratoire revient à trouver une aiguille dans une gigantesque botte de foin."
Ceriotti et ses collègues - Benjamin Helfrecht à l'EPFL, professeur Rocio Semino et Giovanni Pireddu à l'Université de la Sorbonne à Paris et Scott Auerbach, professeur de chimie à l'Université du Massachusetts - ont mis au point un algorithme appelé "sorting hat" qui utilise des techniques d'apprentissage automatique inspirées de la physique pour distinguer les 255 zéolithes déjà synthétisées des plus de 300 000 structures hypothétiques, présélectionnées pour leur stabilité (théorique). Ils ont créé une courte liste de zéolithes hypothétiques qui sont si semblables aux zéolithes réelles qu'elles sont "mal classées" par le chapeau de tri (sorting hat) comme des matériaux réels, ce qui en fait de bons candidats pour la synthèse réelle.
Après avoir filtré leurs résultats en fonction de critères supplémentaires, notamment la possibilité de les stabiliser pendant la synthèse, les chercheurs ont proposé trois candidats hypothétiques de premier plan pour la synthèse. Leur analyse a également permis de classer les zéolithes réelles en quatre classes de composition ou "maisons". Cette répartition en maisons a permis aux chercheurs de proposer une composition chimique à rechercher en laboratoire pour fabriquer les zéolithes hypothétiques - la première étape pour déterminer une recette de synthèse.
"Comme c'est le cas pour de nombreuses tâches de synthèse, la fabrication de zéolithes est une forme d'art, guidée par l'expérience, l'intuition chimique et la sérendipité", ont déclaré les chercheurs. "Le sorting hat des zéolithes introduit des techniques axées sur les données et la conception rationnelle dans le processus de sélection des candidats, ce qui, nous l'espérons, accélérera le rythme des découvertes qui, à leur tour, amélioreront les capacités prédictives du modèle dans un mécanisme de rétroaction positive qui éliminera progressivement le hasard de la synthèse des zéolithes."
L'étude a été publiée cette semaine dans la revue Digital Discovery.