Troy Rummler
En 2023, une équipe de physiciens des Laboratoires nationaux Sandia a annoncé une découverte majeure : un moyen de diriger la lumière des LED. Si elle est perfectionnée, cela pourrait signifier remplacer un jour les lasers par des LED moins chères, plus petites et plus économes en énergie dans d’innombrables technologies, des scanners de codes-barres et projecteurs holographiques aux voitures autonomes. L’équipe pensait qu’il faudrait des années d’expérimentation méticuleuse pour affiner leur technique.
Aujourd’hui, les mêmes chercheurs rapportent qu’un trio de collègues de laboratoire en intelligence artificielle a amélioré leurs meilleurs résultats par quatre. Cela a pris environ cinq heures.
L’article résultant, publié dans Nature Communications, montre comment l’IA dépasse le simple outil d’automatisation pour devenir un puissant moteur de découverte scientifique claire et compréhensible.
« Nous sommes l’un des exemples les plus avancés de la manière dont un laboratoire autonome peut être mis en place pour aider et augmenter les connaissances humaines », a déclaré Prasad Iyer de Sandia, auteur du nouvel article et de l’annonce de 2023.
La recherche a été financée par le Bureau des sciences de l’énergie de base du département de l’Énergie et par le programme Laboratory Directed Research and Development de Sandia. Elle a été réalisée en partie au Center for Integrated Nanotechnologies, une installation utilisateur du Bureau des sciences du DOE co-gérée par les laboratoires nationaux Sandia et Los Alamos.
Des chercheurs s’associent à travers les disciplines pour moderniser le laboratoire
Une coïncidence heureuse a stimulé la recherche : Iyer a obtenu un nouveau collègue de bureau.
Saaketh Desai est arrivé à Sandia en tant que chercheur postdoctoral. Iyer est un expert en optique, mais Desai connaissait l’apprentissage automatique, une catégorie de l’intelligence artificielle, et avait testé des moyens de l’utiliser pour la recherche scientifique. Ensemble, ils ont modernisé le laboratoire d’optique d’Iyer.
Premièrement, ils ont utilisé un modèle d’IA générative pour apprendre et simplifier leurs données complexes. Ensuite, ils ont fourni cet ensemble de données simplifié à une seconde IA, appelée agent d’apprentissage actif, et l’ont connectée à l’équipement optique. Ils lui ont demandé de concevoir une expérience basée sur les données apprises, de l’exécuter sur l’équipement, d’analyser les résultats, puis de répéter le processus en proposant une nouvelle expérience basée sur ses découvertes.
Après la 300e expérience, qui a pris environ cinq heures, elle avait considérablement amélioré ce que les chercheurs avaient mis des années à développer.
S’attaquer au problème de la boîte noire de l’IA
Bien que ce fût son idée d’intégrer Desai au projet, Iyer a déclaré qu’il avait quelques inquiétudes à confier l’équipement de laboratoire à un agent d’IA.
« Nous pourrions potentiellement réaliser une infinité d’expériences absurdes sans obtenir de résultats significatifs », a déclaré Iyer.
C’est parce que l’IA a un problème de boîte noire. Une requête entre, une réponse sort, mais il est souvent difficile pour les utilisateurs de comprendre comment l’IA est arrivée à sa réponse.
Newsletter Enerzine
Recevez les meilleurs articles
Énergie, environnement, innovation, science : l’essentiel directement dans votre boîte mail.
Mais la science exige des explications. Quand un scientifique fait une découverte, il partage pourquoi il pense que sa découverte fonctionne ou est logique. C’est la seule façon dont la science avance — parce que d’autres scientifiques peuvent ensuite tester cette idée pour soit la développer, soit la réfuter.
Desai a également reconnu l’importance de s’assurer que toute conclusion basée sur l’IA serait compréhensible. « Nous nous limitons à trouver de bonnes expériences qui feront avancer notre compréhension du domaine », a-t-il dit. « C’est pourquoi nous mettons l’accent sur l’interprétation de pourquoi quelque chose a fonctionné ou non. »
L’équipe priorise une recherche vérifiable et augmentée par l’IA
Iyer et Desai ont convenu qu’un automate d’IA ne suffirait pas à faire avancer leur domaine. Pour résoudre le problème de la boîte noire, ils ont fait appel à une sorte de vérificateur de faits. Peut-être sans surprise, c’était une autre IA. Celle-ci, cependant, a été entraînée différemment. Son travail était de trouver des équations pour expliquer les tendances complexes des données.
Les chercheurs ont connecté cette troisième IA avec la seconde dans une boucle. L’agent d’apprentissage actif générait des données et planifiait ses prochaines expériences, tandis que l’apprenant d’équations tentait de concevoir une formule adaptée aux données.
Quelques instants après avoir terminé les expériences, les chercheurs avaient de nouvelles équations en main pour vérifier que leur laboratoire autonome avait trouvé une méthode systématique pour diriger l’émission spontanée, le type de lumière produite par une LED, en moyenne 2,2 fois plus efficacement qu’ils ne l’avaient fait auparavant sur un angle de 74 degrés. Leurs meilleurs résultats à des angles spécifiques ont montré une amélioration par quatre.
Étonnamment, l’IA a atteint cela d’une manière que l’équipe Sandia n’avait jamais envisagée. Elle reposait sur une façon fondamentalement nouvelle de penser l’interaction entre la lumière et les matériaux à l’échelle nanométrique.
Le succès de la plateforme IA est prometteur pour la science, a déclaré Desai, mais il repose également sur beaucoup de puissance de calcul, qui pourrait ne pas être accessible à tous les laboratoires. L’apprentissage à partir des données a été alimenté par une station de travail Lambda Labs avec trois GPU NVIDIA RTX A6000 haut de gamme.
Néanmoins, Desai a déclaré qu’il voulait voir jusqu’où il pouvait pousser ce processus. « Pour les prochaines étapes, nous sommes généralement intéressés par des schémas d’optimisation interprétables et par l’obtention de décisions explicables grâce à l’IA. Nous souhaitons appliquer cela au problème de direction, ainsi qu’à d’autres problèmes de science des matériaux en général. »
Les Laboratoires nationaux Sandia sont un laboratoire multi-missions exploité par National Technology and Engineering Solutions of Sandia LLC, une filiale en propriété exclusive de Honeywell International Inc., pour le compte de la National Nuclear Security Administration du département de l’Énergie des États-Unis. Sandia Labs a d’importantes responsabilités en recherche et développement dans les domaines de la dissuasion nucléaire, de la sécurité mondiale, de la défense, des technologies énergétiques et de la compétitivité économique, avec des installations principales à Albuquerque, au Nouveau-Mexique, et à Livermore, en Californie.
Article : Self-driving lab discovers principles for steering spontaneous emission beyond conventional Fourier optics – Journal : Nature Communications – Méthode : Experimental study – DOI : Lien vers l’étude
Source : DOE/ Sandia
