La combinaison de l’intelligence artificielle avancée et de l’informatique en nuage de nouvelle génération accélère les découvertes scientifiques à des vitesses inimaginables il y a seulement quelques années. Microsoft et le Laboratoire National du Nord-Ouest du Pacifique (PNNL) à Richland, Washington, collaborent pour démontrer comment cette accélération peut bénéficier à la chimie et à la science des matériaux, deux domaines cruciaux pour trouver des solutions énergétiques dont le monde a besoin.

Les scientifiques du PNNL testent un nouveau matériau pour batteries qui a été découvert en l’espace de semaines, et non d’années, dans le cadre de la collaboration avec Microsoft, en utilisant l’IA avancée et le calcul haute performance (HPC). Le HPC est un type de calcul informatique en nuage qui combine de grandes quantités d’ordinateurs pour résoudre des tâches scientifiques et mathématiques complexes.

Dans le cadre de cet effort, l’équipe Quantum de Microsoft a utilisé l’IA pour identifier environ 500 000 matériaux stables en seulement quelques jours. Le nouveau matériau pour batteries a émergé d’une collaboration qui a utilisé Azure Quantum Elements de Microsoft pour réduire 32 millions de matériaux inorganiques potentiels à 18 candidats prometteurs en seulement 80 heures. Ce travail jette les bases d’une nouvelle façon d’accélérer les solutions aux défis urgents en matière de durabilité, pharmaceutique et d’autres domaines, tout en offrant un aperçu des avancées qui seront possibles avec l’informatique quantique.

« Nous pensons qu’il y a une opportunité de faire cela dans plusieurs domaines scientifiques », dit Brian Abrahamson, directeur numérique du PNNL. « Les avancées technologiques récentes ont ouvert la possibilité d’accélérer la découverte scientifique ».

Une nouvelle approche pour la découverte des matériaux

Le PNNL est un laboratoire du Département de l’Énergie des États-Unis qui mène des recherches dans plusieurs domaines, y compris la chimie et la science des matériaux, avec des objectifs de sécurité et de durabilité énergétique. Cela en fait le collaborateur idéal pour Microsoft, exploitant des modèles d’IA avancés pour découvrir de nouveaux candidats de matériaux pour batteries.

« Développer de nouvelles batteries est un défi mondial incroyablement important », dit Abrahamson. « Cela a été un processus intensif en main-d’œuvre. Synthétiser et tester des matériaux à l’échelle humaine est fondamentalement limitant ».

De l’hypothèse à la pratique

Traditionnellement, la première étape dans la synthèse des matériaux est de passer en revue toutes les études publiées sur d’autres matériaux et de formuler des hypothèses sur la façon dont différents approches pourraient fonctionner. « L’un des principaux défis est que les gens publient leurs histoires de succès, pas leurs histoires d’échec », dit Vijay Murugesan, chef du groupe des sciences des matériaux au PNNL. Cela signifie que les scientifiques apprennent rarement des échecs des autres.

La prochaine étape traditionnelle consiste à tester les hypothèses, un processus long et itératif. « Si c’est un échec, nous retournons à la planche à dessin », dit Murugesan. Dans un projet précédent au PNNL, une technologie de batterie redox à flux de vanadium, il a fallu plusieurs années pour résoudre un problème et concevoir un nouveau matériau.

L’IA à la rescousse

Microsoft a entraîné différents systèmes d’IA pour évaluer sophistiquement tous les éléments utilisables et suggérer des combinaisons. L’algorithme a proposé 32 millions de candidats. Ensuite, l’IA a filtré les matériaux stables, éliminant les candidats en fonction de leur réactivité et de leur potentiel pour conduire de l’énergie.

« À chaque étape de la simulation où je devais exécuter un calcul de chimie quantique, à la place, j’appelle le modèle d’apprentissage automatique. Ainsi, j’obtiens la perception et les observations détaillées qui viennent de l’exécution de la simulation, mais la simulation peut être jusqu’à 500 000 fois plus rapide », dit Nathan Baker, chef de produit pour Azure Quantum Elements.

Grâce à cette combinaison d’IA et de HPC, la découverte des candidats les plus prometteurs n’a pris que 80 heures.

Applications étendues et accessibilité

Les scientifiques de Microsoft ont utilisé l’IA pour réaliser la majorité de la réduction des candidats, représentant environ 90 % du temps informatique. Les scientifiques des matériaux du PNNL ont ensuite évalué la liste restreinte de matériaux. Parce que les outils d’IA de Microsoft sont formés pour la chimie, pas seulement pour des systèmes de batteries, ils peuvent être utilisés pour n’importe quel type de recherche de matériaux, et le nuage est toujours accessible.

« Nous pensons que le nuage est une ressource énorme pour améliorer l’accessibilité aux communautés de recherche », dit Abrahamson.

Résultats surprenants

Le matériau récemment découvert que les scientifiques du PNNL testent utilise à la fois le lithium et le sodium, ainsi que d’autres éléments, réduisant de manière significative le contenu en lithium. Bien que le processus soit à ses débuts, des avancées significatives ont déjà été réalisées dans l’identification rapide de chimie de batteries viables.

Avec cette collaboration entre Microsoft et le PNNL, une nouvelle ère d’accélération dans la découverte scientifique commence, avec l’IA et le HPC transformant le paysage de la recherche et offrant des solutions rapides à des problèmes critiques à l’échelle mondiale.

Références : Microsoft news et Équipe Microsoft Quantum. Photo Microsoft.