Les algorithmes d'apprentissage automatique peuvent parfois faire un meilleur travail avec un peu d'aide de l'expertise humaine, au moins dans le domaine de la science des matériaux.

Dans de nombreux domaines scientifiques spécialisés, ingénierie et médecine, les chercheurs se tournent vers des algorithmes d'apprentissage automatique pour analyser des ensembles de données qui sont devenus beaucoup trop volumineux pour que les humains puissent les comprendre. En science des matériaux, le succès de cet effort pourrait accélérer la conception de matériaux fonctionnels avancés de nouvelle génération, où le développement dépend désormais d'essais et d'erreurs à l'ancienne.

Par eux-mêmes, cependant, les techniques d'analyse de données empruntées à d'autres domaines de recherche ne parviennent souvent pas à fournir les informations nécessaires pour aider les scientifiques et les ingénieurs des matériaux à choisir laquelle des nombreuses variables à ajuster et ne peuvent pas expliquer des changements spectaculaires tels que l'introduction d'un nouveau composé chimique dans le processus. Dans certains matériaux complexes comme les ferroélectriques, jusqu'à 10 facteurs différents peuvent affecter les propriétés du produit résultant.

Dans un article publié cette semaine dans la revue Matériaux de calcul NPJ , les chercheurs expliquent comment donner aux machines un avantage pour résoudre le défi en organisant intelligemment les données à analyser en fonction de la connaissance humaine des facteurs susceptibles d'être importants et liés. Connu sous le nom d'empilement dimensionnel, la technique montre que l'expérience humaine a encore un rôle à jouer à l'ère de l'intelligence artificielle.

La recherche a été parrainée par la National Science Foundation et la Defense Threat Reduction Agency, ainsi que le Fonds national suisse de la recherche scientifique. Des mesures ont été effectuées, en partie, au Laboratoire national d'Oak Ridge à Oak Ridge, Tennessee.

"Lorsque votre machine accepte des chaînes de données, la façon dont vous assemblez ces cordes compte vraiment, " dit Nazanin Bassiri-Gharb, l'auteur correspondant de l'article et professeur à la George W. Woodruff School of Mechanical Engineering du Georgia Institute of Technology. "Nous devons être conscients que l'organisation des données avant qu'elles ne soient transmises à l'algorithme fait une différence. Si vous ne branchez pas les informations correctement, vous obtiendrez un résultat qui n'est pas forcément corrélé à la réalité de la physique et de la chimie qui régissent les matériaux."

Bassiri-Gharb travaille sur les ferroélectriques, matériaux cristallins qui présentent des polarisations électriques spontanées commutables par un champ électrique externe. Largement utilisés pour leurs propriétés piézoélectriques, qui permettent aux entrées électriques de générer des sorties mécaniques, et le mouvement mécanique pour générer des tensions électriques - leurs formules chimiques sont généralement compliquées, y compris le plomb, manganèse, niobium, oxygène, titane, indium, bismuth et autres éléments.

Des chercheurs, qui travaillent depuis des décennies pour améliorer les matériaux, aimerait développer des ferroélectriques avancés qui n'incluent pas le plomb. Mais les techniques de conception par essais et erreurs n'ont pas conduit à des percées majeures, et elle n'est pas la seule à souhaiter une approche plus directe, qui pourrait également conduire plus rapidement à des améliorations d'autres matériaux fonctionnels utilisés en microélectronique, piles, systèmes optoélectroniques et autres domaines de recherche critiques.

"Pour la science des matériaux, les choses deviennent vraiment compliquées, surtout avec les matériaux fonctionnels, " a déclaré Bassiri-Gharb. " En tant que scientifiques des matériaux, il est très difficile de concevoir les matériaux si nous ne comprenons pas pourquoi une réponse est augmentée. Nous avons appris que les fonctionnalités ne sont pas compartimentées. Ils sont interdépendants parmi de nombreuses propriétés du matériau."

La technique décrite dans l'article implique une étape de prétraitement dans laquelle les grands ensembles de données sont organisés en fonction de propriétés physiques ou chimiques qui ont du sens pour les scientifiques des matériaux.

"En tant que scientifique ou ingénieur, vous avez une idée s'il existe ou non des corrélations physiques ou chimiques, " expliqua-t-elle. " Vous devez être conscient du type de corrélations qui pourraient exister. La façon dont vous empilez vos données à analyser aurait des implications en ce qui concerne les corrélations physiques ou chimiques. Si vous le faites correctement, vous pouvez obtenir plus d'informations à partir de n'importe quelle approche d'analyse de données que vous utilisez."

Pour tester les techniques, Bassiri-Gharb et ses collaborateurs Lee Griffin, Iaroslav Gaponenko, et Shujun Zhang a testé des échantillons de matériaux ferroélectriques relaxants utilisés dans des équipements d'imagerie à ultrasons avancés. Griffon, un assistant de recherche diplômé de Georgia Tech et co-premier auteur de l'article, fait les mesures expérimentales. Zhang, chercheur à l'Université de Wollongong en Australie, fourni des échantillons pour l'étude. Bassiri-Gharb et Gaponenko, une affiliée de recherche dans son groupe, développé l'approche.

À l'aide d'une pointe conductrice sur un microscope à force atomique, ils ont examiné la réponse électromécanique d'une série d'échantillons chimiquement apparentés, générer jusqu'à 2, 500 mesures dépendant du temps et de la tension sur une grille de points établie sur chaque échantillon. Le processus a généré des centaines de milliers de points de données et a fourni un bon test pour l'approche d'empilement, connu techniquement sous le nom de concaténation.

"Au lieu de simplement regarder la composition chimique qui fournit la réponse la plus élevée, nous avons examiné une gamme de compositions et essayé de comprendre les points communs, " a-t-elle dit. " Nous avons compris que si nous appliquions cet empilement de données avec un processus de réflexion derrière cela, nous pourrions en apprendre davantage sur ces matériaux intéressants."

Parmi leurs découvertes :Bien que le matériau soit un monocristal, la réponse fonctionnelle a montré un comportement très désordonné, rappelle un matériau complètement désordonné comme le verre. "Ce comportement vitreux persiste vraiment de manière inattendue au-delà d'un petit pourcentage des compositions matérielles, " a déclaré Bassiri-Gharb. " Il persiste dans toutes les compositions que nous avons examinées. "

Elle espère que la technique mènera finalement à des informations qui amélioreront de nombreux matériaux et leurs fonctionnalités. Savoir quels produits chimiques doivent être inclus pourrait permettre aux scientifiques des matériaux de passer à la phase suivante :travailler avec des chimistes pour placer les bons atomes aux bons endroits.

"Le grand objectif de la fonctionnalité de tout matériau est de trouver les lignes directrices qui fourniront les propriétés que nous voulons, ", a-t-elle déclaré. "Nous voulons trouver le droit chemin vers les meilleures compositions pour la prochaine génération de ces matériaux."