Des chercheurs du Massachusetts Institute of Technology ont conçu un modèle multimodal capable de relier la géométrie des cristaux à des descriptions de leurs propriétés et de leurs usages. Selon le MIT, cette approche a mieux repéré certains matériaux prometteurs qu’un modèle entraîné uniquement sur des textes, notamment pour des électrolytes destinés aux batteries lithium-ion à l’état solide. (news.mit.edu)
Relier les atomes aux propriétés
Les cristaux sont des arrangements périodiques d’atomes en trois dimensions. Or, leurs structures sont généralement enregistrées dans des formats spécialisés, et non sous forme de texte. Les modèles de langage entraînés sur des publications peuvent donc difficilement exploiter directement ces données. Le MIT relève aussi un biais dans la littérature expérimentale, qui porte davantage sur certaines familles de cristaux que sur d’autres. (news.mit.edu)
Le système mis au point par l’équipe associe les structures atomiques à des descriptions en langage naturel. Celles-ci intègrent la composition et l’organisation du matériau, mais aussi des informations sur ses propriétés, les conditions de transformation et les applications envisagées. Les chercheurs ont ainsi voulu rapprocher des données souvent séparées : la représentation géométrique d’un cristal et les connaissances décrites dans les textes scientifiques.
Pour entraîner le modèle, l’équipe a utilisé l’apprentissage contrastif. Cette méthode compare des exemples concordants ou différents afin d’apprendre à rapprocher les structures et les descriptions qui leur correspondent. Les textes synthétiques produits pour décrire les cristaux s’appuient sur des publications expérimentales et des bases de données issues de calculs de premiers principes. (news.mit.edu)
Des résultats comparés à un modèle textuel
Les chercheurs ont évalué deux versions du modèle : l’une entraînée avec ces descriptions synthétiques, l’autre avec des textes tirés uniquement de publications. D’après le MIT, la première a appris à associer les formes géométriques des structures à leurs descriptions, contrairement à la seconde. Elle a également mieux prédit la fonction des matériaux dans les tests rapportés par l’équipe. (news.mit.edu)
Dans un exemple consacré aux électrolytes pour batteries lithium-ion à l’état solide, le système a classé parmi ses principaux résultats des matériaux déjà repérés indépendamment comme candidats prometteurs. Les chercheurs indiquent aussi qu’une requête formulée en langage courant, portant sur une propriété, permet au modèle de rechercher des cristaux correspondants et de dépasser un modèle de référence. (news.mit.edu)
Ces résultats portent sur l’identification et la prédiction de matériaux : le texte du MIT ne rapporte pas que les candidats proposés aient été fabriqués ou testés dans une batterie. Il présente plutôt l’approche comme un outil susceptible d’aider les spécialistes à explorer plus largement les liens entre structure, propriétés et procédés de transformation.
Une méthode pensée pour plusieurs familles de cristaux
Ju Li, professeur au département de science et d’ingénierie des matériaux du MIT, souligne que la structure atomique permet d’inférer une partie des propriétés et des performances d’un matériau. L’équipe espère que sa méthode pourra s’appliquer à de nombreuses familles de cristaux et être reprise par d’autres chercheurs. Cette perspective reste une ambition : l’article ne détaille pas de calendrier de déploiement. (news.mit.edu)
Le travail a été mené par Yang Jeong Park, premier auteur et ancien chercheur postdoctoral au MIT, avec Mayank Kumaran, Chia-Wei Hsu et Elsa Olivetti, aux côtés de Ju Li. Le financement a notamment été apporté par des organismes américains et la Fondation nationale de recherche de Corée. (news.mit.edu)
Source : MIT News (news.mit.edu)
Article original : Consulter la source originale
Auteur : Zach Winn | MIT News
OFFRE SPÉCIALE · LIVRES ARTIA13