Des chercheurs britanniques ont créé un nouvel outil d’IA puissant qui pourrait transformer la façon dont les scientifiques découvrent et conçoivent de nouveaux matériaux.
L’équipe de l’Université de Liverpool et de l’Université de Southampton a dévoilé CrystalGPT, officiellement désigné sous le nom de Molecular Crystal Representation from Transformers (MCRT). Ce modèle basé sur les transformeurs a été préentraîné sur 706 126 structures cristallines expérimentales issues de la Cambridge Structural Database, lui permettant d’apprendre de façon autonome le langage complexe des cristaux moléculaires.
Ce qui distingue CrystalGPT, c’est son approche à double représentation. Le modèle combine une analyse des liaisons atomiques basée sur des graphes avec des capacités d’imagerie topologique, ce qui lui permet de traiter à la fois les structures moléculaires détaillées et les motifs plus globaux en même temps. Cette approche multimodale confère à l’IA une compréhension approfondie des propriétés des cristaux, tant au niveau microscopique que macroscopique.
« MCRT a été conçu comme un modèle fondation qui peut être facilement adapté au problème à résoudre, même avec de petites quantités de données disponibles », explique Xenophon Evangelopoulos, membre de l’équipe à l’Université de Liverpool. Cette capacité à fonctionner efficacement avec peu de données est particulièrement précieuse en chimie, où les expériences en laboratoire et les calculs sont souvent coûteux et longs.
Le modèle utilise quatre tâches de préentraînement différentes pour extraire des représentations locales et globales des cristaux. Une fois adapté à des applications spécifiques, CrystalGPT peut prédire avec une grande précision des propriétés clés des matériaux comme la densité, la porosité et la symétrie, en utilisant seulement une fraction des données habituellement nécessaires.
Les retombées pour la science des matériaux sont majeures. Les méthodes computationnelles traditionnelles pour prédire les structures et propriétés cristallines sont notoirement gourmandes en ressources. CrystalGPT contourne ces limitations, ce qui pourrait accélérer les découvertes en pharmacie, en électronique organique, dans le développement de batteries et dans les matériaux poreux pour le stockage des gaz. Comme le souligne le professeur Andy Cooper de Liverpool, le modèle a « appris les motifs les plus distinctifs au sein de ces cristaux » et « comment ces motifs se rapportent aux propriétés pratiques », ce qui en fait un outil puissant pour l’innovation en science des matériaux.