Des modèles d’intelligence artificielle générative, initialement conçus pour transformer des textes en images, s’imposent désormais comme des outils puissants en science des matériaux. Depuis plusieurs années, des entreprises comme Google, Microsoft et Meta ont développé des modèles capables de proposer des dizaines de millions de nouveaux matériaux. Cependant, ces modèles peinent à concevoir des matériaux aux propriétés quantiques exotiques — comme la superconductivité ou des états magnétiques uniques — qui pourraient révolutionner des technologies futures. Ce goulot d’étranglement est particulièrement sensible dans des domaines comme les liquides de spin quantiques, une classe de matériaux clés pour l’informatique quantique, dont seulement une douzaine de candidats ont été identifiés après une décennie de recherche. Des chercheurs du MIT ont maintenant conçu une nouvelle technique, baptisée SCIGEN (Structural Constraint Integration in GENerative model), qui permet aux modèles génératifs, notamment les modèles de diffusion, de produire des matériaux conformes à des règles structurelles précises. Contrairement aux modèles traditionnels, optimisés pour la stabilité, SCIGEN oriente la génération vers des structures géométriques spécifiques — comme les réseaux de Kagome ou les réseaux d’Archimède — qui favorisent des propriétés quantiques. Cette approche, décrite dans une étude publiée dans Nature Materials, permet de cibler des matériaux à haut potentiel technologique, plutôt que de multiplier les candidats stables mais peu pertinents. Les chercheurs ont appliqué SCIGEN à un modèle populaire, DiffCSP, pour générer plus de 10 millions de matériaux avec des motifs d’Archimède — des empilements bidimensionnels de polygones réguliers liés à des phénomènes quantiques comme les bandes plates ou les liquides de spin. Après un tri basé sur la stabilité, un échantillon de 26 000 matériaux a été simulé sur les supercalculateurs du Laboratoire national d’Oak Ridge. L’analyse a révélé une présence de magnétisme dans 41 % des structures. Deux composés inédits, TiPdBi et TiPbSb, ont ensuite été synthétisés avec succès aux laboratoires de Weiwei Xie et Robert Cava. Les mesures expérimentales ont confirmé que leurs propriétés correspondaient étroitement aux prédictions du modèle. Cette avancée accélère la recherche de matériaux quantiques, dont les propriétés dépendent fortement de leur architecture atomique. Les réseaux de Kagome, par exemple, peuvent imiter les comportements des terres rares sans nécessiter ces éléments rares et coûteux. « Ce que nous cherchons, c’est un matériau exceptionnel, pas des millions de matériaux stables », souligne Mingda Li, auteur principal de l’étude. Les experts estiment que cette méthode pourrait transformer la découverte de matériaux pour l’informatique quantique, les capteurs magnétiques ou les technologies énergétiques. Drexel University, par l’intermédiaire du professeur Steve May, a salué l’approche comme une « avancée majeure » pour accélérer le développement de matériaux inédits. Les chercheurs insistent toutefois sur l’importance de la validation expérimentale. À l’avenir, SCIGEN pourra intégrer des contraintes chimiques et fonctionnelles supplémentaires. Cette approche, soutenue par le Département américain de l’énergie, la NSF et le Laboratoire national d’Oak Ridge, ouvre la voie à une science des matériaux plus ciblée, centrée sur l’impact plutôt que sur la quantité.