GraphED : l'IA découvre les lois physiques des matériaux

Une équipe de chercheurs de l’Institut de technologie de l’Est (EIT) à Ningbo a développé, en 2025, GraphED, un système d’intelligence artificielle capable de découvrir directement des équations constitutives explicites à partir de données expérimentales en mécanique des solides. Cette méthode, menée par Hao Xu, Yuntian Chen et Dongxiao Zhang et publiée dans la revue Science Advances, permet de caractériser le comportement mécanique de matériaux variés, tels que les aciers alliés, le lithium métallique et les élastomères chargés, sans s’appuyer sur les formules empiriques prédéfinies traditionnellement utilisées. Les modèles constitutifs décrivent la réponse mécanique d’un matériau sous contrainte. Historiquement, leur élaboration reposait sur l’intuition physique des chercheurs, qui imposaient une structure mathématique avant d’en ajuster les paramètres sur la base de mesures. Cette approche limite leur capacité prédictive face à des comportements complexes. GraphED inverse ce processus en extrayant automatiquement les équations optimales directement des données. Son principe repose sur la représentation des formules mathématiques sous forme de graphes dirigés. Les nœuds correspondent aux variables physiques et aux opérateurs, tandis que les arêtes définissent leurs relations et incluent les constantes ou paramètres ajustables. Cette architecture permet d’optimiser simultanément la structure de l’équation et son calibrage, éliminant ainsi les restrictions imposées par les formes a priori. Les validations expérimentales confirment l’efficacité du cadre. Pour les aciers alliés, GraphED a identifié des relations explicites modélisant précisément l’écrouissage et la dépendance à la vitesse de déformation, surpassant les performances du modèle empirique de Johnson-Cook. Pour le lithium métallique, sensible aux variations thermiques et mécaniques, le système a généré des équations de plasticité offrant un ajustement nettement supérieur. Enfin, sur les élastomères chargés, il a extrait une loi hyperélastique compacte conservant une haute précision malgré les variations de composition. Cette avancée marque un changement de paradigme en modélisation des matériaux. En remplaçant la déduction manuelle par une exploration algorithmique, elle permet une caractérisation plus rigoureuse de phénomènes physiques jusqu’ici difficiles à décrire mathématiquement. Au-delà de la mécanique des solides, GraphED présente un potentiel transversal pour toute discipline cherchant à formuler des lois physiques interprétables à partir de données expérimentales, consolidant ainsi l’apport de l’intelligence artificielle à la découverte scientifique fondamentale.