Des matériaux magnétiques découverts grâce à l’intelligence artificielle pour réduire la dépendance aux terres rares Des chercheurs de l’Université du New Hampshire ont utilisé l’intelligence artificielle (IA) pour accélérer la découverte de nouveaux matériaux magnétiques fonctionnels, en créant une base de données consultable comprenant 67 573 matériaux magnétiques, dont 25 composés inconnus jusqu’alors, capables de conserver leurs propriétés magnétiques à des températures élevées. « En accélérant la découverte de matériaux magnétiques durables, nous pouvons réduire notre dépendance aux terres rares, abaisser les coûts des véhicules électriques et des systèmes d’énergie renouvelable, et renforcer l’industrie manufacturière américaine », explique Suman Itani, auteure principale de l’étude et doctorante en physique. Cette base de données, baptisée Northeast Materials Database, facilite l’exploration des matériaux magnétiques essentiels à de nombreuses technologies modernes : smartphones, appareils médicaux, alternateurs, véhicules électriques, etc. Or, ces aimants dépendent actuellement d’éléments de terres rares chers, importés et de plus en plus difficiles à extraire. Depuis des décennies, aucun nouveau type d’aimant permanent n’a été découvert parmi les milliers de composés connus. L’IA au service de la recherche en matériaux L’étude, publiée dans la revue Nature Communications, décrit la méthodologie utilisée par l’équipe de l’UNH pour développer un système d’IA capable de lire des articles scientifiques et d’extraire les informations clés, notamment les détails expérimentaux. Ces données ont alimenté des modèles informatiques capables d’identifier si un matériau est magnétique, et de prédire la température à laquelle il perd ses propriétés magnétiques. Tous ces résultats ont été regroupés dans une base de données unique, facilement consultable. Les scientifiques savent qu’un grand nombre de composés magnétiques restent à découvrir, mais tester toutes les combinaisons possibles d’éléments — potentiellement des millions — en laboratoire serait trop long et coûteux. L’IA permet de cibler les candidats les plus prometteurs, réduisant ainsi le temps et les ressources nécessaires. « Nous abordons l’un des défis les plus complexes de la science des matériaux : trouver des alternatives durables aux aimants permanents. Nous sommes optimistes que cette base de données expérimentale, combinée à l’évolution des technologies d’IA, rendra ce but réalisable », affirme Jiadong Zang, professeur de physique et co-auteur de l’étude. L’équipe, qui inclut également Yibo Zhang, chercheur postdoctoral en physique et chimie, estime que le modèle linguistique avancé derrière ce projet pourrait avoir des applications bien au-delà de la base de données. Par exemple, il pourrait être utilisé pour numériser et moderniser les collections de bibliothèques, en transformant des images de documents anciens en formats de texte riche, améliorant ainsi l’accès à l’information scientifique.