Clé à emporter
- Des chercheurs ont décrit une méthode qui utilise l'IA pour trouver de nouveaux composés de terres rares.
- Les composés de terres rares se trouvent dans de nombreux produits de haute technologie tels que les téléphones portables, les montres et les tablettes.
- L'IA peut être appliquée à de nombreux domaines où les problèmes sont si complexes que les scientifiques ne peuvent pas développer de solutions conventionnelles via les mathématiques ou des simulations de physique connue.
Une nouvelle méthode de recherche de composés de terres rares utilisant l'intelligence artificielle pourrait conduire à des découvertes qui révolutionneront l'électronique personnelle, selon les experts.
Des chercheurs du laboratoire Ames et de la Texas A&M University ont formé un modèle d'apprentissage automatique (ML) pour évaluer la stabilité des composés de terres rares. Les éléments de terres rares ont de nombreuses utilisations, notamment les technologies d'énergie propre, le stockage d'énergie et les aimants permanents.
"De nouveaux composés peuvent activer des technologies futures que nous ne pouvons même pas encore imaginer", a déclaré Yaroslav Mudryk, le superviseur du projet, à Lifewire dans une interview par e-mail.
Trouver des minéraux
Pour améliorer la recherche de nouveaux composés, les scientifiques ont utilisé l'apprentissage automatique, une forme d'intelligence artificielle (IA) pilotée par des algorithmes informatiques qui s'améliorent grâce à l'utilisation des données et à l'expérience. Les chercheurs ont également utilisé le criblage à haut débit, un schéma de calcul qui permet aux chercheurs de tester rapidement des centaines de modèles. Leur travail a été décrit dans un article récent publié dans Acta Materialia.
Avant l'IA, la découverte de nouveaux matériaux était principalement basée sur des essais et des erreurs, a déclaré Prashant Singh, l'un des membres de l'équipe, dans un e-mail à Lifewire. L'IA et l'apprentissage automatique permettent aux chercheurs d'utiliser des bases de données de matériaux et des techniques de calcul pour cartographier à la fois la stabilité chimique et les propriétés physiques des composés nouveaux et existants.
"Par exemple, faire passer un matériau récemment découvert du laboratoire au marché peut prendre 20 à 30 ans, mais l'IA/ML peut considérablement accélérer ce processus en simulant les propriétés du matériau sur des ordinateurs avant de mettre les pieds dans un laboratoire", Singh dit.
L'IA révolutionne notre façon de penser à résoudre bon nombre de ces problèmes complexes de grande dimension, et ouvre une nouvelle façon de penser aux opportunités futures.
L'IA bat les anciennes méthodes pour trouver de nouveaux composés, a déclaré Joshua M. Pearce, titulaire de la chaire John M. Thompson en technologie de l'information et innovation à l'Université Western, dans une interview par e-mail.
"Le nombre de composés potentiels, de combinaisons, de composites et de nouveaux matériaux est époustouflant", a-t-il ajouté. "Plutôt que de prendre le temps et l'argent nécessaires pour fabriquer et sélectionner chacun pour une application spécifique, l'IA peut être utilisée pour aider à prédire des matériaux aux propriétés utiles. Ensuite, les scientifiques peuvent concentrer leurs efforts."
Markus J. Buehler, professeur d'ingénierie McAfee au MIT, a déclaré dans une interview par e-mail que le nouvel article montre la puissance de l'apprentissage automatique.
"C'est une façon radicalement différente de faire de telles découvertes que ce que nous avons pu faire auparavant - les découvertes sont désormais plus rapides, plus efficaces et peuvent être plus ciblées sur les applications", a déclaré Buehler. "Ce qui est passionnant dans le travail de Singh et al, c'est qu'ils combinent des outils de matériaux de pointe (théorie fonctionnelle de la densité, un moyen de résoudre des problèmes quantiques) avec des outils d'informatique matérielle. C'est certainement une manière qui peut être appliquée à de nombreux autres matériaux. problèmes."
Possibilités infinies
Les composés de terres rares se trouvent dans de nombreux produits de haute technologie tels que les téléphones portables, les montres et les tablettes. Par exemple, dans les écrans, ces composés sont ajoutés pour doter les matériaux de propriétés optiques très ciblées. Ils sont également utilisés dans l'appareil photo de votre téléphone portable.
"Ils sont, en quelque sorte, une sorte de matériau merveilleux qui sert d'élément important dans la civilisation moderne", a déclaré Buehler. "Il y a cependant des défis dans la façon dont ils sont extraits et comment ils sont fournis. Par conséquent, nous devons explorer de meilleures façons de les utiliser plus efficacement ou de remplacer les fonctions par de nouvelles combinaisons de matériaux alternatifs."
Il n'y a pas que les composés minéraux qui peuvent bénéficier de l'approche d'apprentissage automatique utilisée par les auteurs du nouvel article. L'IA peut être appliquée à de nombreux domaines où les problèmes sont si complexes que les scientifiques ne peuvent pas développer de solutions conventionnelles via les mathématiques ou des simulations de physique connue, a déclaré Buehler.
"Après tout, nous n'avons pas encore les bons modèles pour relier la structure d'un matériau à ses propriétés", a-t-il ajouté. "Un domaine est la biologie, en particulier le repliement des protéines. Pourquoi certaines protéines, après avoir subi une petite modification génétique, conduisent-elles à la maladie ? Comment pouvons-nous développer de nouveaux composés chimiques pour traiter la maladie ou développer de nouveaux médicaments ?"
Une autre possibilité consiste à trouver un moyen d'améliorer les performances du béton pour réduire son impact carbone, a déclaré Buehler. Par exemple, la géométrie moléculaire du matériau pourrait être arrangée différemment pour rendre les matériaux plus efficaces afin que nous ayons plus de résistance avec moins d'utilisation de matériau et que les matériaux durent plus longtemps.
"L'IA révolutionne notre façon de penser à résoudre bon nombre de ces problèmes complexes de grande dimension, et elle ouvre une nouvelle façon de penser aux opportunités futures", a-t-il ajouté. "Nous ne sommes qu'au début d'une période passionnante."
