Des chercheurs du Massachusetts Institute of Technology (MIT) ont mis au point un outil d’intelligence artificielle capable de repérer et de générer de nouveaux matériaux quantiques aux propriétés extraordinaires, menant à la synthèse de deux composés magnétiques entièrement nouveaux. Alors que les modèles d’IA générative, comme ceux développés par Google, Microsoft ou Meta, ont déjà permis de concevoir des millions de matériaux, leur efficacité se limite souvent aux structures stables, sans garantir des propriétés quantiques rares ou complexes. C’est précisément le cas des matériaux à état de « liquide de spin quantique », dont les caractéristiques pourraient révolutionner l’informatique quantique, mais dont seulement une quinzaine ont été identifiées après plus de dix ans de recherche. Pour surmonter cette limitation, une équipe du MIT a conçu un outil appelé SCIGEN (Structural Constraint Integration in GENerative model), qui permet aux modèles génératifs, notamment les modèles de diffusion comme DiffCSP, de produire des matériaux conformes à des règles géométriques spécifiques. Ces règles, ou contraintes, sont cruciales : certaines arrangements atomiques, comme les réseaux de Kagome, Lieb ou Archimède, sont particulièrement propices à l’apparition d’effets quantiques tels que les états de spin liquide ou les bandes plates. SCIGEN agit comme un filtre intelligent, interceptant les générations qui ne respectent pas ces contraintes, et ne laissant passer que les structures potentiellement porteuses de propriétés quantiques. Dans cette étude, publiée dans Nature Materials, les chercheurs ont utilisé SCIGEN pour explorer des matériaux à réseau d’Archimède. Le modèle a ainsi généré plus de 10 millions de candidats, dont 1 million ont passé un premier filtre de stabilité. Grâce à des simulations haute précision réalisées sur le superordinateur du Laboratoire national d’Oak Ridge, 26 000 matériaux ont été analysés, dont 41 % présentaient une caractéristique magnétique prometteuse. À partir de ces résultats, l’équipe a synthétisé deux nouveaux composés : TiPdBi et TiPbSb, dont les propriétés magnétiques ont été confirmées expérimentalement et sont en accord avec les prédictions de l’IA. Selon Ryotaro Okabe, doctorant au MIT et auteur principal de l’étude, « nous ne cherchons pas des matériaux stables en général, mais des matériaux capables de révéler des phénomènes physiques inédits. Le but n’est pas d’avoir un million de matériaux stables, mais une seule découverte transformante. » Le professeur Mingda Li, leader du projet, souligne que les modèles d’IA des grandes entreprises sont souvent biaisés vers la stabilité, alors que les percées scientifiques viennent souvent de structures rares et instables. Les chercheurs estiment que cette approche pourrait accélérer considérablement la découverte de matériaux pour l’informatique quantique, notamment ceux nécessaires à la réalisation de qubits robustes face aux erreurs. Des experts extérieurs, comme Steve May de l’Université de Drexel, saluent cette avancée comme une « nouvelle voie prometteuse » pour la recherche de matériaux à structure géométrique précise. Les collègues Weiwei Xie (Michigan State University) et Robert Cava (Princeton University) ajoutent que SCIGEN permet de passer d’une recherche aléatoire à une exploration ciblée, en générant des milliers de candidats conformes aux exigences géométriques des systèmes quantiques. L’équipe prévoit d’élargir SCIGEN en intégrant davantage de contraintes chimiques et fonctionnelles, afin de mieux orienter la recherche vers des matériaux non seulement structuralement adaptés, mais aussi chimiquement réalisables et performants. Ce travail, soutenu par le Département américain de l’énergie, le National Energy Research Scientific Computing Center (NERSC), la National Science Foundation et le Laboratoire national d’Oak Ridge, ouvre une nouvelle ère dans la découverte de matériaux quantiques — où l’IA ne génère pas seulement des structures, mais les guide vers des propriétés physiques révolutionnaires.