Un système en boucle fermée basé sur l'IA pourrait accélérer la découverte de matériaux énergétiques.
infohightech ·
Le développement des matériaux nécessaires aux technologies énergétiques propres a toujours été un processus long et coûteux, souvent tributaire d'années d'essais et d'erreurs. Aujourd'hui, des chercheurs ont présenté un nouveau cadre basé sur l'intelligence artificielle (IA) qui pourrait accélérer considérablement la découverte de matériaux énergétiques avancés tout en réduisant les coûts de développement.
Les détails ont été publiés dans Digital Discovery le 17 juin 2026.
Des chercheurs ont décrit un système de recherche en « boucle fermée » qui combine plusieurs technologies d'IA avec des expériences automatisées. Au lieu de traiter chaque étape de la recherche sur les matériaux séparément, cette approche alimente en continu les modèles d'IA avec de nouveaux résultats expérimentaux, leur permettant ainsi d'apprendre, d'améliorer leurs prédictions et d'orienter la prochaine série d'expériences.
Ce cadre conceptuel vise à répondre à un défi de longue date en science des matériaux. Les méthodes conventionnelles – expériences en laboratoire, calculs théoriques et simulations informatiques – ont chacune contribué à des avancées majeures, mais elles obligent souvent les chercheurs à trouver un compromis entre précision, rapidité et coût de calcul. De ce fait, la découverte de nouveaux matériaux prometteurs peut prendre de nombreuses années.
Les chercheurs proposent ce qu'ils appellent le « paradigme 4+ », une évolution du « quatrième paradigme » de la recherche scientifique axé sur les données. Cette approche combine de vastes bases de données de matériaux, des potentiels interatomiques d'apprentissage automatique (MLIP), de grands modèles de langage (LLM), des agents d'IA intelligents et des flux de travail de laboratoire automatisés au sein d'un système intégré unique.
Évolution des paradigmes scientifiques et applications dans le domaine des matériaux énergétiques pilotés par l'IA. Cette figure illustre l'évolution successive des paradigmes scientifiques, de l'approche empirique à l'approche théorique, puis computationnelle et enfin à l'approche fondée sur les données, aboutissant au quatrième paradigme génératif, enrichi par l'IA et la science des données. Elle présente également leurs applications dans la recherche sur les matériaux énergétiques. © Hao Li et al.
Ensemble, ces technologies permettent aux chercheurs de prédire les propriétés des matériaux avec une précision quasi atomique, d'analyser rapidement la littérature scientifique et les données expérimentales, et de recommander automatiquement les candidats les plus prometteurs pour des tests complémentaires. Le système en boucle fermée utilise ensuite les résultats expérimentaux pour affiner continuellement ses prédictions, créant ainsi un processus de découverte toujours plus efficace.
L'équipe présente également un cadre de recherche futur composé de quatre modules interconnectés qui couvrent l'ensemble du processus de découverte de matériaux : de la collecte de données et de la modélisation par IA à l'expérimentation autonome et aux applications industrielles. De telles plateformes pourraient considérablement réduire le temps nécessaire au développement de matériaux haute performance pour les batteries, le stockage de l'hydrogène, les piles à combustible et d'autres technologies d'énergie propre.
« L’intelligence artificielle transforme la science des matériaux, passant d’un processus largement fondé sur l’expérience à un processus guidé par les données et la prise de décision autonome », explique Hao Li, professeur émérite à l’Institut de recherche avancée sur les matériaux (WPI-AIMR) de l’Université de Tohoku. « En créant un système en boucle fermée reliant les modèles d’IA aux expériences, nous pouvons considérablement améliorer l’efficacité de la découverte de nouveaux matériaux énergétiques et accélérer leur transformation en technologies concrètes. »
Évolution des bases de données de matériaux. ©Hao Li et al.
Un développement plus rapide des matériaux énergétiques pourrait avoir des retombées considérables. Des batteries améliorées permettraient d'accroître l'autonomie des véhicules électriques, de meilleurs matériaux de stockage de l'hydrogène favoriseraient le développement de carburants plus propres, et des matériaux de conversion d'énergie plus efficaces contribueraient à réduire les émissions de gaz à effet de serre et à soutenir la transition mondiale vers des systèmes énergétiques bas carbone.
Bien que des défis importants subsistent — notamment la création de bases de données de matériaux standardisées, l'amélioration de la fiabilité des modèles d'IA et la réduction du coût de la validation expérimentale —, les chercheurs estiment que ces obstacles peuvent être surmontés grâce aux progrès continus de l'IA et de l'automatisation des laboratoires.
Pour l'avenir, l'équipe prévoit de développer des modèles d'apprentissage automatique plus fiables, de créer des bases de données ouvertes sur les matériaux et de mettre en place des plateformes de recherche entièrement automatisées intégrant harmonieusement l'IA aux laboratoires expérimentaux. De tels systèmes pourraient permettre de commercialiser beaucoup plus rapidement de nouveaux matériaux énergétiques, de leur découverte à leurs applications concrètes.
