Une équipe de recherche humaine et un algorithme d'apprentissage automatique ont découvert que nous devons repenser une grande partie de ce que nous savons sur l'oxyde d'iridium.

L'oxyde d'iridium est un excellent catalyseur pour les réactions électrochimiques, et est généralement utilisé pour la production de vecteurs énergétiques tels que l'hydrogène à partir de l'eau. Or, il s'avère que les recherches menées jusqu'à présent sur l'oxyde d'iridium reposent sur une hypothèse de base erronée :l'arrangement des atomes à sa surface est complètement différent de celui supposé précédemment.

La façon dont ce résultat surprenant a été déterminé donne un premier aperçu alléchant de la façon dont la recherche pourrait être effectuée à l'avenir :un effort de collaboration entre une équipe de recherche humaine et l'intelligence artificielle a analysé le même problème, et est arrivé à la même conclusion. Étant donné que les chercheurs de la TU Wien et de la TU Munich ont atteint le même résultat en même temps, ils ont publié leurs découvertes conjointement dans la revue Lettres d'examen physique .

Comment tailler un cristal ?

"Un cristal peut avoir différentes surfaces avec des propriétés très différentes, " a expliqué Florian Kraushofer du groupe de recherche du professeur Ulrike Diebold (Institute for Applied Physics, Université de technologie de Vienne). "Imaginons que nous ayons un cristal composé de cellules en forme de cube. Si nous le coupons, des surfaces assez différentes apparaissent selon la direction dans laquelle nous coupons."

Si vous coupez exactement dans le sens des cellules du cube, la surface n'est constituée que de carrés. Si vous coupez les cellules du cube en diagonale, cela crée également une surface régulière, mais avec une disposition différente.

"Quand un cristal grandit lentement, il forme normalement la surface la plus favorable en termes d'énergie, " dit Kraushofer. Cependant, tous les arrangements atomiques possibles ne sont pas stables, et dans certains cas, les atomes se déplacent ou se réorganisent à la surface pour économiser de l'énergie. "Typiquement, il faut faire des simulations très complexes à l'aide d'un supercalculateur pour déterminer quelle configuration géométrique est la plus stable, " explique Kraushofer. " Dans le cas de l'oxyde d'iridium, de tels calculs avaient montré que la surface la plus stable était formée dans la direction dite 110, mais nos expériences ont montré que quelque chose n'allait pas, et qu'une autre surface était plus stable."

Les machines font de la physique quantique

Lors d'une conférence juste avant le confinement corona, Ulrike Diebold a rencontré Karsten Reuter de l'Université technique de Munich, qui travaille également sur l'oxyde d'iridium. Son équipe utilise l'apprentissage automatique, c'est-à-dire techniques du domaine de l'intelligence artificielle pour mieux calculer les propriétés des matériaux. Ils ont eu exactement la même surprise qu'à Vienne :« Tout comme l'expérience, les algorithmes d'apprentissage automatique avaient prédit que la direction stable de la surface de l'oxyde d'iridium était différente de ce que l'on pensait auparavant, " dit Reuter. " Nous avons donc décidé d'examiner la question de plus près ensemble. "

Des investigations complémentaires ont alors été menées, incluant des simulations informatiques plus poussées, et il a été démontré que la nouvelle structure déterminée par l'expérience et les algorithmes d'apprentissage automatique est en fait correcte.

Humain et machine :un regard vers l'avenir

"Alors maintenant, nous devons repenser tous les résultats précédents sur le dioxyde d'iridium, " précise Ulrike Diebold. " L'orientation de la surface joue un rôle déterminant dans le comportement chimique et physique du matériau, et cela doit être inclus."

Pour Diebold, le résultat est également une preuve importante que les nouvelles méthodes de recherche dans le domaine de l'apprentissage automatique peuvent être extrêmement précieuses pour la science :"En particulier lorsqu'il s'agit de développer de nouveaux matériaux basés sur la physique quantique, les simulations informatiques sont indispensables depuis des années, mais elles sont souvent extrêmement complexes, coûteux et chronophage", dit Ulrike Diebold. « Si l'apprentissage automatique peut être appliqué intelligemment à des questions aussi complexes, il peut devenir un nouvel outil formidable qui fera un grand pas en avant dans la recherche sur les matériaux. Bien sûr, pour rendre cela possible, nous avons également besoin des meilleures mesures expérimentales possibles. "

"Cela ne remplacera pas l'intelligence humaine - tout comme elle n'a pas pu nous remplacer par des simulations informatiques jusqu'à présent, " Diebold en est convaincu. " Mais les algorithmes de machine learning vont nous aider à trouver de bonnes idées auxquelles nous n'aurions pas forcément pensé nous-mêmes. "