Les ingénieurs sont toujours à la recherche de matériaux aux propriétés très spécifiques pour leurs projets. Malheureusement, il y a beaucoup trop d'options pour que les chercheurs puissent simplement deviner et vérifier jusqu'à ce qu'ils trouvent ce qu'ils recherchent. Même s'ils devaient simuler des matériaux, au lieu de les tester en laboratoire, il faudrait beaucoup trop de temps pour trouver un matériau approprié.

Heureusement, des chercheurs ont créé des algorithmes utilisant l'intelligence artificielle qui trouveront le bon matériau pour tout projet. Dans un article récemment publié, une équipe de chercheurs de l'Université Carnegie Mellon et de l'Université de Calgary a amélioré l'un de ces algorithmes, permettant aux chercheurs de trouver des matériaux avec les propriétés souhaitées rapidement et avec précision.

"Puisque l'espace des matériaux est si grand, il est très difficile de caractériser expérimentalement et informatiquement les propriétés des matériaux, " a déclaré Amir Barati Farimani, professeur assistant de génie mécanique à la CMU. "Nous créons donc des algorithmes, ou modèles, qui peut prédire rapidement les propriétés du matériau."

Utiliser l'intelligence artificielle, ou IA, les chercheurs doivent d'abord entraîner l'algorithme à l'aide de données connues. Puis, l'algorithme apprend à extrapoler de nouvelles idées à partir de ces informations. Barati Farimani et son équipe ont entraîné l'algorithme avec des données sur la composition chimique des matériaux. En particulier, ils comprenaient des informations sur le rôle joué par les électrons dans la détermination des propriétés des matériaux. Ces données chimiques ont créé un nouveau descripteur de matériau pour l'algorithme, selon Barati Farimani.

Étant donné que cet algorithme peut prédire les propriétés d'une large gamme de matériaux, il a de nombreuses applications. Par exemple, l'algorithme pourrait trouver un matériau avec des propriétés thermiques adaptées aux panneaux solaires. En outre, il pourrait identifier des matériaux pour fabriquer des médicaments et des piles. Pour utiliser cet algorithme, un chercheur peut simplement demander aux modèles d'apprentissage en profondeur pré-entraînés de trouver la propriété qu'ils examinent.

La façon dont ces algorithmes sont améliorés est de devenir plus rapide et plus précis. Si l'algorithme n'est pas assez précis, les résultats seront inutilisables. Si l'algorithme est trop lent, les chercheurs ne pourront jamais accéder aux résultats. Actuellement, l'équipe a constaté que leur algorithme est meilleur que d'autres algorithmes de premier plan.

"Vous pouvez utiliser cet algorithme et entraîner un modèle d'apprentissage en profondeur et les prédire en une fraction de seconde, " Barati Farimani a déclaré. " L'essence est de prouver qu'il prédit pour différents types de matériaux avec une grande précision, alors chaque industrie peut l'utiliser. "

Leur article a été publié en Documents d'examen physique . Post-doctorant CMU Mohammadreza Karamad, doctorat étudiant Rishikesh Magar, et le chercheur Yuting Shi ont également été répertoriés comme co-auteurs. Les autres auteurs incluent Samira Siahrostami et Ian D. Gates de l'Université de Calgary.