Google DeepMind démontre son expertise dans la génération de millions de nouveaux matériaux
Google DeepMind (NASDAQ : GOOGL) a démontré sa capacité à prédire les structures de plus de 2 millions de nouveaux matériaux en utilisant l’intelligence artificielle (IA), ce qui pourrait changer le rythme des avancées technologiques.
un outil s’appuyant sur l’apprentissage profond conçu pour prédire les structures de nouveaux matériaux. Les premiers tests avec GNoME ont abouti à des résultats impressionnants, avec plus de 700 nouvelles structures soumises à des tests réels dans des conditions de laboratoire.
Traditionnellement, la création et la synthèse de nouveaux matériaux sont considérées comme un processus fastidieux impliquant des milliers d’heures de peaufinage d’éléments pour obtenir les résultats souhaités. Selon les chercheurs, il a fallu plus de deux décennies de recherche pour parvenir à des batteries lithium-ion, mais l’intégration de l’IA dans le processus pourrait permettre de réduire les coûts.
Pour atteindre ses résultats, DeepMind génère plus d’un milliard de structures en modifiant des éléments du tableau périodique. À l’avenir, DeepMind fait une deuxième tentative, cette fois en prédisant de nouveaux matériaux basés sur des formules chimiques sans tenir compte des structures existantes.
À l’aide de GNoME, les prédictions sont filtrées pour déterminer l’énergie de décomposition d’une structure donnée, l’outil gardant un œil sur les matériaux « stables » qui ne se décomposent pas facilement.
« Nous espérons que de grandes améliorations en matière d’expérimentation, de synthèse autonome et de modèles d’apprentissage automatique réduiront considérablement ce délai de 10 à 20 ans pour devenir quelque chose de beaucoup plus gérable », a déclaré Ekin Dogus Cobuk, chercheur chez DeepMind.
La prévision de nouveaux matériaux ne représente que la moitié de la tâche des chercheurs, car les matériaux doivent être synthétisés en laboratoire. Des chercheurs de Berkeley ont créé un nouveau laboratoire autonome, baptisé A-Lab, pour synthétiser les matériaux prédits par GNoME, enregistrant 355 expériences distinctes en un peu moins de 17 jours.
Les experts affirment que la combinaison de GNoME et d’A-Lab offre plusieurs avantages concrets, notamment la création de matériaux de qualité supérieure pour les batteries avancées, les puces informatiques et les panneaux solaires. Le déploiement de nouveaux matériaux se heurte au défi de prendre une longue courbe pour être commercialement viable, c’est pourquoi les experts espèrent réduire le délai de deux décennies à cinq ans.
« L’industrie a tendance à être un peu réticente à prendre des risques lorsqu’il s’agit d’augmentation des coûts, et les nouveaux matériaux mettent généralement un peu de temps avant de devenir rentables », a déclaré Kristin Persson, directrice du Materials Project.
Alimenter la recherche sur l’IA
Alors que l’IA générative reçoit des critiques de la part des critiques en raison de problèmes de confidentialité et de violation de données, les chercheurs l’exploitent ainsi que d’autres technologies émergentes pour rationaliser les expériences dans des secteurs critiques.
En médecine, les modèles d’IA ont démontré leur capacité à prédire les variantes du COVID-19 et à accélérer la création de nouveaux composés médicaux pour les médicaments. Les chercheurs d’iCAD et de Google collaborent sur un outil d’IA pour la détection du cancer, tandis que Meta travaille sur un outil alimenté par l’IA pour générer des images à partir d’analyses cérébrales.
« À plus long terme, cela pourrait également constituer un tremplin vers des interfaces cerveau-ordinateur non invasives en milieu clinique qui pourraient aider les personnes qui, après avoir subi une lésion cérébrale, ont perdu la capacité de parler », a déclaré Meta (NASDAQ : META).
Regarder : L’intelligence artificielle a besoin de la blockchain
Nouveau sur la blockchain ? Consultez la section Blockchain pour les débutants de CoinGeek, le guide de ressources ultime pour en savoir plus sur la technologie blockchain.
