Les réseaux de neurones artificiels – des algorithmes inspirés des connexions dans le cerveau – ont « appris » à effectuer une variété de tâches, de la détection des piétons dans les voitures autonomes, à l'analyse d'images médicales, à la traduction des langues. Maintenant, des chercheurs de l'Université de Californie à San Diego entraînent des réseaux de neurones artificiels pour prédire de nouveaux matériaux stables.

"La prédiction de la stabilité des matériaux est un problème central en science des matériaux, Physique et chimie, " a déclaré l'auteur principal Shyue Ping Ong, professeur de nano-ingénierie à la UC San Diego Jacobs School of Engineering. "D'une part, vous avez une intuition chimique traditionnelle telle que les cinq règles de Linus Pauling qui décrivent la stabilité des cristaux en termes de rayons et de tassement des ions. De l'autre, vous avez des calculs de mécanique quantique coûteux pour calculer l'énergie gagnée en formant un cristal qui doivent être effectués sur des superordinateurs. Ce que nous avons fait, c'est d'utiliser des réseaux de neurones artificiels pour faire le pont entre ces deux mondes."

En entraînant des réseaux de neurones artificiels pour prédire l'énergie de formation d'un cristal en utilisant seulement deux entrées - l'électronégativité et le rayon ionique des atomes constituants - Ong et son équipe du Materials Virtual Lab ont développé des modèles capables d'identifier des matériaux stables dans deux classes de cristaux appelés grenats. et pérovskites. Ces modèles sont jusqu'à 10 fois plus précis que les modèles d'apprentissage automatique précédents et sont suffisamment rapides pour filtrer efficacement des milliers de matériaux en quelques heures sur un ordinateur portable. L'équipe détaille le travail dans un article publié le 18 septembre dans Communication Nature .

"Les grenats et les pérovskites sont utilisés dans les lumières LED, batteries lithium-ion rechargeables, et des cellules solaires. Ces réseaux de neurones ont le potentiel d'accélérer considérablement la découverte de nouveaux matériaux pour ces applications et d'autres importantes, " a noté le premier auteur Weike Ye, un doctorat en chimie étudiant au laboratoire virtuel de matériaux d'Ong.

L'équipe a rendu ses modèles accessibles au public via une application Web à l'adresse http://crystals.ai. Cela permet à d'autres personnes d'utiliser ces réseaux de neurones pour calculer à la volée l'énergie de formation de toute composition de grenat ou de pérovskite.

Les chercheurs prévoient d'étendre l'application des réseaux de neurones à d'autres prototypes de cristaux ainsi qu'à d'autres propriétés matérielles.