Un chercheur met au point un système numérique très performant pour personnaliser les polymères
Prédiction rapide et précise des propriétés des polymères
Les polymères sont devenus un élément indispensable de la vie quotidienne. Cependant, les polymères actuels ne représentent qu'une petite fraction de l'énorme quantité de polymères qui existent théoriquement. Christopher Kuenneth, de l'université de Bayreuth (Allemagne), et des partenaires de recherche d'Atlanta (États-Unis) ont mis au point un système numérique qui promet des avantages économiques, technologiques et écologiques extraordinaires : à partir d'environ 100 millions de polymères théoriquement possibles, leur système peut sélectionner avec précision les matériaux qui présentent un profil de propriétés idéal pour des applications ciblées, et ce à une vitesse sans précédent. Le nouveau système est présenté dans Nature Communications.
Christopher Kuenneth, professeur de science computationnelle des matériaux à la faculté d'ingénierie de l'université de Bayreuth, et Rampi Ramprasad, professeur au Georgia Institute of Technology d'Atlanta, ont baptisé leur nouveau système "polyBERT". Le nom vient de l'interdisciplinarité dont polyBERT est issu : idées, concepts et techniques de la chimie des polymères, de la linguistique et du traitement du langage naturel, et du nouveau paradigme de l'intelligence artificielle.
polyBERT est un système qui traite la structure chimique des polymères comme un langage chimique : chaque mot qui peut être formé dans ce langage est un nom unique pour un polymère théoriquement possible. Les blocs de construction moléculaires et les structures des polymères respectifs sont reflétés dans ces noms. S'appuyant sur de nouvelles connaissances en linguistique et en informatique, polyBERT a été formé et transformé en système d'apprentissage par l'équipe de recherche de Bayreuth et d'Atlanta.
Du langage des polymères aux "empreintes" numériques
Dans un premier temps, polyBERT a appris les noms d'environ 100 millions de polymères théoriquement possibles. Ces noms sont des combinaisons d'unités moléculaires contenues dans environ 13 000 polymères. L'entraînement de polyBERT lui permet de comprendre le langage des polymères et d'identifier correctement les éléments constitutifs et les structures d'environ 100 millions de polymères. Le système numérique d'apprentissage peut même utiliser le langage des polymères de manière autonome. Cela signifie que polyBERT peut générer d'autres noms de polymères inconnus jusqu'alors mais théoriquement possibles.
Une autre capacité est liée à l'expertise du langage chimique : polyBERT traduit automatiquement les noms de polymères qu'il connaît en représentations numériques, appelées "empreintes digitales". Chaque empreinte est un mot de code unique composé de nombres à partir desquels les éléments constitutifs et la structure du polymère concerné peuvent être déduits. Cette génération automatique d'empreintes digitales numériques est beaucoup moins sujette aux erreurs et beaucoup plus rapide que les empreintes digitales générées par l'homme pour chaque structure chimique des polymères.
Prédiction rapide et précise des propriétés des polymères
polyBERT tire sa grande utilité pratique du processus d'enseignement, par les chercheurs de Bayreuth et d'Atlanta, de nombreuses propriétés caractéristiques des polymères qui sont particulièrement importantes pour les applications technologiques. Le système est donc capable d'établir une corrélation sans ambiguïté entre les empreintes digitales et les propriétés des polymères. De nouvelles techniques issues du domaine de l'intelligence artificielle permettent à polyBERT de sélectionner précisément, avec une grande exactitude et à une vitesse sans précédent, les polymères nécessaires à des applications spécifiques parmi les 100 millions de polymères théoriquement possibles. "polyBERT est un système exceptionnellement performant pour la prédiction rapide et précise des propriétés des polymères. Par conséquent, notre recherche a le potentiel d'accélérer de manière significative la conception, la synthèse et l'application technologique des polymères", déclare Kuenneth.
Une étude antérieure identifie les bioplastiques
L'importance des approches d'apprentissage automatique pour la recherche sur les polymères est déjà démontrée par une étude antérieure que Kuenneth a publiée dans la revue Communications Materials en décembre 2022. Dans cette étude, il présente, avec ses partenaires d'Atlanta et des laboratoires nationaux de Los Alamos aux États-Unis, un système similaire basé sur un réseau de neurones artificiels pour prédire les propriétés des polymères. Ce système est capable de lutter contre la pollution mondiale par les déchets plastiques. Environ 75 % des matières plastiques produites industriellement sont basées sur des matières premières fossiles. Le nouveau système peut accélérer considérablement la recherche de biopolymères susceptibles de remplacer ces plastiques : Les auteurs de l'étude ont identifié 14 polymères biologiquement productibles et dégradables parmi 1,4 million de candidats possibles, susceptibles de remplacer les plastiques industriels actuels dès que des procédés de synthèse rapides et rentables seront disponibles.
Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.
Publication originale
Christopher Kuenneth, Rampi Ramprasad: polyBERT: a chemical language model to enable fully machine-driven ultrafast polymer informatics. Nature Communications (2023).
Christopher Kuenneth, Jessica Lalonde, Babetta L. Marrone, Carl N. Iverson, Rampi Ramprasad, Ghanshyam Pilania: Bioplastic design using multitask deep neural networks. Communication Materials (2022).
Autres actualités du département science
![Catalyse de la [Fe]-hydrogénase visualisée à l'aide de la spectroscopie de résonance magnétique nucléaire rehaussée de para-hydrogène](https://img.chemie.de/Portal/News/675fd46b9b54f_sBuG8s4sS.png?tr=w-712,h-534,cm-extract,x-0,y-16:n-xl)
Recevez les dernières actualités de l’industrie chimique
Ne manquez plus aucune actualité : notre newsletter consacrée à l'industrie chimique, aux méthodes analytiques, aux laboratoires et à la technologie des processus vous informe tous les mardis et jeudis. Les dernières nouvelles du secteur, les produits phares et les innovations - de manière compacte et compréhensible dans votre boîte de réception. Recherché par nos soins, pour que vous n'ayez pas à le faire.
