PhysMat AI : l'IA guidée par la physique des matériaux
Les chercheurs de l'Institut WPI-AIMR de l'université Tohoku ont proposé un nouveau cadre nommé PhysMat AI, publié dans la revue Advanced Functional Materials en 2026. Cette approche vise à intégrer les principes fondamentaux de la physique dans l'intelligence artificielle appliquée à la découverte de matériaux. Selon le professeur Hao Li, l'un des auteurs principaux, les méthodes actuelles basées uniquement sur les corrélations de données présentent des limites en matière d'interprétabilité, de robustesse en dehors des données d'entraînement et de cohérence avec les lois physiques. Le nouveau modèle cherche à combler ces lacunes en ancrant les prédictions de l'IA dans des connaissances physiques vérifiables. L'architecture de PhysMat AI structure cette connaissance en cinq fonctions complémentaires : connaissances préalables, descripteurs, contraintes, vérificateurs et infrastructure. Ce dispositif guide la représentation des données, le raisonnement du modèle et l'évaluation des résultats face aux principes scientifiques établis. Le cadre s'appuie sur des domaines tels que la thermodynamique, la cinétique, la structure électronique et les environnements de fonctionnement. Des exemples concrets sont présentés dans les secteurs de la catalyse, des électrolytes solides pour batteries à état solide et des matériaux de stockage de l'hydrogène. Dans ces domaines, la physique permet de définir des espaces de recherche pertinents, d'évaluer la faisabilité des matériaux prédits et de relier les résultats générés par l'IA à des mécanismes testables en laboratoire. Les chercheurs soulignent également le potentiel des agents d'IA capables de combiner ces composantes sensibles à la physique avec des bases de données scientifiques, des simulations et des données expérimentales. Ces systèmes automatiseraient la formulation d'hypothèses, le choix des outils de recherche et la validation de la faisabilité physique. La feuille de route établie prévoyait une évolution progressive vers une intelligence artificielle de plus en plus autonome. Elle commencerait par une IA consciente des lois physiques, évoluerait vers une IA capable de raisonner avec ces lois, et aboutirait finalement à une IA autonome intégrant raisonnement physique, simulations et expériences dans un processus continu de découverte. Cette méthodologie offre un pont fiable entre les prédictions numériques et les fondements de la science des matériaux. En rendant les résultats plus interprétables et directement testables, PhysMat AI accélère le développement de technologies énergétiques innovantes tout en réduisant les coûts et le temps associés à la recherche expérimentale traditionnelle. L'initiative marque une étape significative vers une IA plus fiable, transparente et directement utile pour la R&D industrielle et académique.
