La nouvelle IA de Google DeepMind a développé plus de 700 matériaux pour les batteries de véhicules électriques, les cellules solaires, etc
La nouvelle IA de Google DeepMind, GNoME (graphical networks for material exploration), a identifié les structures d'environ 2,2 millions de nouveaux matériaux. Cela comprend environ 380 000 matériaux stables qui pourraient être à la base des technologies futures, telles que les batteries de voitures électriques de nouvelle génération, les cellules solaires, les puces informatiques et les supraconducteurs. Divers chercheurs à travers le monde produisent et testent actuellement 736 de ces matériaux. DeepMind a identifié 528 conducteurs prometteurs pour les batteries lithium-ion, qui pourraient contribuer à rendre les batteries plus efficaces.
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.
- Dogus Cubuk, responsable de la découverte des matériaux chez Google DeepMind
Si l'utilisation de l'IA pour développer de nouveaux matériaux est devenue courante, GNoMe se distingue par son ampleur et sa précision. Chris Bartel, professeur adjoint de génie chimique et de science des matériaux à l'université du Minnesota, note que GNoMe a été formé à partir d'une quantité de données beaucoup plus importante que pour des projets comparables.
Le matériel, en particulier lorsqu'il s'agit d'énergie propre, a besoin d'innovation si nous voulons résoudre la crise climatique. Il s'agit là d'un aspect de l'accélération de cette innovation.
- Kristin Persson, responsable du projet "Matériaux" au Berkeley Lab
Les chercheurs passent souvent des années à développer des matériaux basés sur des structures existantes dans l'espoir de découvrir de nouvelles combinaisons. Grâce à l'outil d'apprentissage profond, cette recherche peut désormais être accélérée. Le Lawrence Berkeley National Laboratory, en collaboration avec Google DeepMind, a publié deux articles dans la revue Nature ( ). L'un d'eux décrit comment les prédictions de l'IA peuvent être utilisées pour la synthèse autonome de matériaux.
Cependant, un problème important persiste : Les nouveaux matériaux mettent souvent beaucoup de temps à atteindre le stade commercial.
Si nous parvenons à réduire ce délai à cinq ans, ce sera une grande amélioration.
- Dogus Cubuk
Le nouveau laboratoire autonome A-Lab du Berkeley Lab étudie l'utilité des nouveaux matériaux dans le monde réel. En 17 jours seulement, le laboratoire a pu réaliser 355 expériences et synthétiser avec succès 41 des 58 composés proposés. Ce résultat est nettement plus rapide que celui obtenu par des chercheurs humains.
Si vous n'avez pas de chance, cela peut prendre des mois, voire des années. La plupart des étudiants abandonnent après quelques semaines. Mais l'A-Lab n'a pas peur d'échouer. Il continue d'essayer et d'essayer.
- Kristin Persson
Quelle(n)
