Le Projet Materials : une base de données mondiale pour les matériaux inorganiques

L’innovation technologique nécessite souvent de nouveaux matériaux. Grâce à des superordinateurs et des simulations, les chercheurs n’ont plus besoin de tâtonner inefficacement pour les inventer de toutes pièces. Ainsi, le projet Materials, une base de données en libre accès, et Google DeepMind, le laboratoire d’intelligence artificielle de Google, collaborent ensemble pour accélérer cette innovation.

Le Projet Materials : une base de données pour l’innovation

Le Projet Materials, une base de données en libre accès fondée en 2011 au Laboratoire national Lawrence Berkeley du Département de l’énergie, calcule les propriétés des matériaux connus et prévus. Les chercheurs peuvent ainsi se concentrer sur des matériaux prometteurs pour les technologies futures – des alliages plus légers pour améliorer l’économie de carburant des voitures, des cellules solaires plus efficaces pour stimuler l’énergie renouvelable, ou des transistors plus rapides pour la prochaine génération d’ordinateurs.

La contribution de Google DeepMind

Google DeepMind contribue à présent près de 400 000 nouveaux composés au Projet Materials, élargissant ainsi la quantité d’informations dont les chercheurs peuvent disposer. Le jeu de données comprend la manière dont les atomes d’un matériau sont disposés (la structure cristalline) et sa stabilité (énergie de formation).

« Nous devons créer de nouveaux matériaux si nous voulons relever les défis environnementaux et climatiques mondiaux », a déclaré Kristin Persson, fondatrice et directrice du Projet Materials au Berkeley Lab et professeure à l’UC Berkeley. « Avec l’innovation dans les matériaux, nous pouvons potentiellement développer des plastiques recyclables, exploiter l’énergie des déchets, fabriquer de meilleures batteries et construire des panneaux solaires moins chers qui durent plus longtemps, entre autres choses. »

GNoME : un outil d’apprentissage profond

Pour générer les nouvelles données, Google DeepMind a développé un outil d’apprentissage profond appelé Graph Networks for Materials Exploration, ou GNoME. Les chercheurs ont formé GNoME en utilisant des flux de travail et des données qui ont été développés pendant plus d’une décennie par le Projet Materials, et ont amélioré l’algorithme GNoME grâce à l’apprentissage actif.

Les chercheurs de GNoME ont finalement produit 2,2 millions de structures cristallines, dont 380 000 qu’ils ajoutent au Projet Materials et prévoient qu’elles sont stables, ce qui les rend potentiellement utiles dans les technologies futures. Les nouveaux résultats de Google DeepMind viennent d’être publiés dans la revue Nature.

A-Lab : l’intelligence artificielle au service de la création de matériaux

Certaines des calculs de GNoME ont été utilisés aux côtés des données du Projet Materials pour tester A-Lab, une installation au Berkeley Lab où l’intelligence artificielle guide les robots dans la création de nouveaux matériaux. Le premier article d’A-Lab, également publié dans Nature, a montré que le laboratoire autonome peut rapidement découvrir de nouveaux matériaux avec un minimum d’intervention humaine.

En 17 jours de fonctionnement indépendant, A-Lab a réussi à produire 41 nouveaux composés sur 58 tentatives – un taux de plus de deux nouveaux matériaux par jour. En comparaison, il peut falloir des mois de tâtonnements et d’expérimentations à un chercheur humain pour créer un nouveau matériau, s’il parvient jamais à obtenir le matériau souhaité.

En synthèse

Le Projet Materials est la base de données en libre accès la plus utilisée au monde pour les informations sur les matériaux inorganiques. La base de données contient des millions de propriétés sur des centaines de milliers de structures et de molécules, des informations principalement traitées au Centre national de calcul scientifique sur l’énergie du Berkeley Lab. Plus de 400 000 personnes sont inscrites comme utilisateurs du site et, en moyenne, plus de quatre articles citant le Projet Materials sont publiés chaque jour.

La contribution de Google DeepMind est la plus grande addition de données de stabilité de structure d’un groupe depuis le début du Projet Materials.

« J’espère que le projet GNoME fera avancer la recherche sur les cristaux inorganiques », a déclaré Ekin Dogus Cubuk, responsable de l’équipe de découverte de matériaux de Google DeepMind. « Des chercheurs externes ont déjà vérifié plus de 736 des nouveaux matériaux de GNoME grâce à des expériences physiques indépendantes et simultanées, démontrant que les découvertes de notre modèle peuvent être réalisées en laboratoire. »

Le Projet Materials traite actuellement les composés de Google DeepMind et les ajoute à la base de données en ligne. Les nouvelles données seront librement disponibles pour les chercheurs, et alimenteront également des projets tels que A-Lab qui collaborent avec le Projet Materials.

« Je suis vraiment enthousiaste à l’idée que les gens utilisent le travail que nous avons fait pour produire une quantité sans précédent d’informations sur les matériaux », a ajouté Kristin Persson, qui est également directrice de la Molecular Foundry du Berkeley Lab. « C’est ce que je voulais faire avec le Projet Materials : non seulement rendre les données que j’ai produites gratuites et disponibles pour accélérer la conception des matériaux pour le monde, mais aussi enseigner au monde ce que les calculs peuvent faire pour vous. Ils peuvent balayer de grands espaces pour de nouveaux composés et propriétés plus efficacement et rapidement que les expériences seules peuvent le faire. »

En suivant des pistes prometteuses à partir des données du Projet Materials au cours de la dernière décennie, les chercheurs ont confirmé expérimentalement des propriétés utiles dans de nouveaux matériaux dans plusieurs domaines. Certains montrent un potentiel d’utilisation dans la capture du carbone, comme photocatalyseurs, comme thermoélectriques, comme conducteurs transparents. Bien sûr, trouver ces matériaux potentiels n’est qu’une des nombreuses étapes pour résoudre certains des grands défis technologiques de l’humanité.

« Faire un matériau n’est pas pour les âmes sensibles », a conclu Kristin Persson. « Il faut beaucoup de temps pour passer d’un matériau de calcul à la commercialisation. Il doit avoir les bonnes propriétés, fonctionner dans les dispositifs, être capable de passer à l’échelle, et avoir le bon rapport coût-efficacité et performance. L’objectif avec le Projet Materials et des installations comme A-Lab est d’exploiter les données, de permettre l’exploration basée sur les données, et finalement de donner aux entreprises plus de chances de réussir. »

Pour une meilleure compréhension

Qu’est-ce que le Projet Materials ?

Le Projet Materials est une base de données en libre accès qui calcule les propriétés des matériaux connus et prévus. Il a été fondé en 2011 au Laboratoire national Lawrence Berkeley du Département de l’énergie.

Quelle est la contribution de Google DeepMind au Projet Materials ?

Google DeepMind a contribué près de 400 000 nouveaux composés au Projet Materials, élargissant ainsi la quantité d’informations dont les chercheurs peuvent disposer.

Qu’est-ce que GNoME ?

GNoME, ou Graph Networks for Materials Exploration, est un outil d’apprentissage profond développé par Google DeepMind pour générer de nouvelles données sur les matériaux.

Qu’est-ce que A-Lab ?

A-Lab est une installation au Berkeley Lab où l’intelligence artificielle guide les robots dans la création de nouveaux matériaux.

Quels sont les domaines d’application potentiels des nouveaux matériaux découverts ?

Les nouveaux matériaux ont un potentiel d’utilisation dans la capture du carbone, comme photocatalyseurs, comme thermoélectriques, comme conducteurs transparents.

Principaux enseignements

Références

Les informations de cet article proviennent principalement du Projet Materials et de Google DeepMind.

Légende illustration principale : Des robots guidés par l’intelligence artificielle ont créé plus de 40 nouveaux matériaux prédits par le Materials Project. Les données de GNoME ont été utilisées pour vérifier si ces matériaux prédits seraient stables. Crédit: Marilyn Sargent/Berkeley Lab