L'outil d'IA GNoME a découvert 2,2 millions de nouveaux cristaux, soit l'équivalent de 800 ans de production expérimentale par des scientifiques humains, dont 380 000 nouveaux cristaux peuvent devenir des matériaux stables pour la haute technologie du futur.

Des puces informatiques aux batteries en passant par les panneaux solaires, tous reposent sur des cristaux inorganiques structurellement stables.

Traditionnellement, la découverte ou le développement d’un nouveau cristal inorganique stable nécessite souvent des mois d’expériences minutieuses. Désormais avec les outils d'apprentissage en profondeur publiés par Google DeepMind Gnome,En peu de temps, les chercheurs ont découvert 2,2 millions de nouveaux cristaux (l’équivalent des connaissances accumulées par les scientifiques humains en près de 800 ans).Parmi eux, 380 000 nouveaux cristaux présentent des structures stables, ce qui en fait les nouveaux matériaux potentiels les plus susceptibles d’être synthétisés expérimentalement et mis en service.

Lire l'article original :

https://www.nature.com/articles/s41586-023-06735-9

01 GNoME : un modèle SOTA GNN pour la recherche et le développement de nouveaux matériaux

GNoME, dont le nom complet est Graph Networks for Materials Exploration, est un modèle SOTA GNN pour la recherche et le développement de nouveaux matériaux. Il utilise l’apprentissage profond pour prédire la stabilité de nouveaux matériaux dans un délai très court.Il a considérablement amélioré la vitesse et l’efficacité de la recherche et du développement de matériaux et a démontré le potentiel de l’utilisation de l’IA pour développer de nouveaux matériaux à grande échelle.

Note:Les données d'entrée du GNN se présentent sous la forme d'un graphique, similaire aux connexions entre les atomes. Cette fonctionnalité rend également GNN particulièrement adapté à l’exploration de nouveaux matériaux cristallins.

Diagramme de processus GNoME

Le processus GNoME peut être divisé en 4 étapes :

* Pipeline structurel : créer des candidats similaires aux structures cristallines connues (Candidat)

* Pipeline compositionnel : suit une approche plus aléatoire basée sur des formules chimiques

* Utiliser des calculs DFT (théorie fonctionnelle de la densité) pour évaluer la sortie des deux pipelines

* Ajouter les résultats de l'évaluation à la base de données GNoME pour informer la prochaine série d'apprentissage actif

L’objectif principal des deux premières étapes est d’identifier les matériaux à faible énergie (stables). La technologie DFT de la troisième étape est utilisée pour tester à plusieurs reprises les performances du modèle. L’application d’une stratégie d’apprentissage actif dans la dernière étape améliore considérablement les performances de GNoME.

02 Sélection des données : un aperçu des ensembles de données sur les épaules des chercheurs précédents

Lors de la sélection des données, les chercheurs ont accordé une attention particulière aux résultats de recherches antérieures, notamment ceux de Materials Project, OQMD, WBM et ICSD.

Pour garantir la reproductibilité, GNoME utilise des instantanés de deux ensembles de données enregistrés à des moments fixes, notamment :

* Données du Materials Project en mars 2021

* Données OQMD pour juin 2021

La structure en deux parties ci-dessus a été utilisée comme base pour toutes les découvertes (y compris par SAPS) et un catalogue de cristaux stables a été généré par GNoME.

Pour comparer les données mises à jour, les chercheurs ont pris un autre instantané du Materials Project, de l'OQMD et du WBM en juillet 2023. Environ 216 000 calculs DFT ont été effectués avec la même configuration pour comparer le taux de découverte de GNoME avec celui des efforts de recherche simultanés.

Références aux travaux antérieurs :

* Projet de matériaux :https://next-gen.materialsproject.org/

* OQMD :https://oqmd.org/

* WBM :https://www.nature.com/articles/s41524-020-00481-6

* ICSD :https://icsd.products.fiz-karlsruhe.de/

03 Résultats expérimentaux:GNoME augmente le nombre de cristaux stables connus de près de 8 fois

Variation du nombre de cristaux stables connus

L'image ci-dessus montre de l'intérieur vers l'extérieur :

* Le nombre de cristaux stables confirmés par des expériences humaines dans la base de données ICSD est d'environ 20 000

* Les méthodes de calcul du Materials Project, de la base de données Open Quantum Materials et de la base de données WBM augmentent le nombre de cristaux stables à 48 000

* GNoME augmente le nombre de matériaux stables connus de l'humanité à 421 000

Nombre de matériaux stables découverts en 2019-2022 : les couleurs claires représentent les bases de données externes, les couleurs foncées représentent les résultats GNoME

Entre 2021 et 2023, le nombre de cristaux stables en dehors de GNoME est passé de 35 000 à 48 000, ce qui est cohérent avec l'enveloppe convexe (Enveloppe convexe) représente une énorme disparité par rapport aux 381 000 nouvelles structures cristallines stables découvertes dans la revue Genomica de 2010.

Les résultats expérimentaux montrent queLe modèle GNoME a découvert plus de 2,2 millions de nouveaux cristaux et l'enveloppe convexe mise à jour contient 381 000 nouvelles entrées.Combiné aux recherches précédentes, le nombre de cristaux stables a atteint 421 000, ce qui est un ordre de grandeur supérieur au résultat de recherche précédent de 48 000.

04 Experts de l'industrie : les universitaires représentatifs nationaux font le tri

Orientation de la recherche :Nanomatériaux fonctionnels optoélectroniques inorganiques et propriétés optoélectroniques associées, matériaux et dispositifs de stockage et de conversion d'énergie, nouveaux photocatalyseurs nanostructurés hétérogènes, matériaux moléculaires organiques etTransistor à effet de champ

Page personnelle :

https://kyy.bupt.edu.cn/info/1136/3409.htm

Orientation de la recherche :Organique ou hybride organique-inorganiqueCellules solaires à couches mincesRecherche, recherche sur de nouveaux dispositifs électroniques flexibles à base de semi-conducteurs organiques ou de nanomatériaux inorganiques, recherche sur l'application de nouveaux capteurs intelligents, recherche sur de nouveaux memristors et leurs applications en réseaux neuronaux

Page personnelle :

http://www.it.fudan.edu.cn/Data/View/1150

Page personnelle :

https://edu.iphy.ac.cn/moreintro.php?id=3190

Orientation de la recherche :Technologie des applications informatiques, technologie informatique, informatique des matériaux et science des matériaux computationnelle, apprentissage automatique

Page personnelle :

https://people.ucas.ac.cn/~0070145