Des chercheurs britanniques ont créé un nouvel outil d’intelligence artificielle puissant qui pourrait révolutionner la manière 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 transformers a été pré-entraîné 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 rend CrystalGPT unique, 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, lui permettant de traiter à la fois des structures moléculaires détaillées et des motifs plus larges simultanément. Cette approche multimodale confère à l’IA une compréhension globale des propriétés des cristaux, tant au niveau microscopique que macroscopique.
« MCRT a été conçu comme un modèle fondation qui peut être facilement adapté à un problème spécifique, 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 chronophages.
Le modèle utilise quatre tâches de pré-entraînement différentes afin d’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 telles que la densité, la porosité et la symétrie, en utilisant seulement une fraction des données traditionnellement nécessaires.
Les implications pour la science des matériaux sont considérables. Les méthodes informatiques traditionnelles pour prédire les structures et propriétés cristallines sont notoirement gourmandes en ressources. CrystalGPT contourne ces limitations, ce qui pourrait accélérer les découvertes dans les domaines pharmaceutique, de l’électronique organique, du développement des batteries et des 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 sont liés à des propriétés pratiques », faisant de lui un outil puissant pour l’innovation dans les matériaux.