Des instruments de mesure autonomes détectent systématiquement les nouveaux matériaux
Un nouvel algorithme mesure les bibliothèques de matériaux jusqu'à quatre fois plus vite qu'auparavant : il est basé sur l'apprentissage automatique
Les chercheurs travaillent sans relâche pour trouver de nouveaux matériaux pour les technologies futures qui sont essentielles pour la transition énergétique - comme les électrocatalyseurs, par exemple. En raison de leurs propriétés polyvalentes, les matériaux composés de cinq éléments ou plus présentent un grand intérêt à cet égard. Avec environ 50 éléments utilisables du tableau périodique, il existe un nombre presque infini de matériaux réalisables. Felix Thelen, de la chaire de découverte des matériaux et des interfaces de l'université de la Ruhr à Bochum, dirigée par le professeur Alfred Ludwig, a mis au point un algorithme capable d'analyser les matériaux candidats quatre fois plus rapidement qu'auparavant. Cette avancée est rendue possible par le concept d'apprentissage actif, un sous-domaine de l'apprentissage automatique. L'équipe de recherche a publié ses résultats dans la revue Digital Discovery le 19 septembre 2023.
Des jours ou des semaines pour mesurer un échantillon
Malgré des méthodes hautement spécialisées capables de produire simultanément une série de matériaux sur un seul échantillon et de les mesurer ensuite automatiquement, chaque minute compte lors de l'analyse : en effet, des jours, voire des semaines, peuvent s'écouler avant que la caractérisation d'un échantillon ne soit achevée. Le nouvel algorithme peut être intégré dans les instruments de mesure existants afin d'accroître considérablement leur efficacité.
L'instrument de mesure recherche lui-même la zone de mesure suivante
"Grâce à l'apprentissage actif, un instrument de mesure est capable de sélectionner de manière autonome la prochaine zone de mesure sur un échantillon, sur la base des informations déjà disponibles sur le matériau", explique Felix Thelen, développeur de l'algorithme de mesure autonome. En arrière-plan, un modèle mathématique de la propriété du matériau mesuré est affiné point par point jusqu'à ce qu'une précision suffisante soit atteinte. À un moment donné, la mesure peut être interrompue - et les résultats sur les zones de mesure restantes seront prédits par le modèle généré.
En analysant dix bibliothèques de matériaux à l'aide de mesures de résistance électrique, l'équipe de recherche de Bochum a démontré le fonctionnement de l'algorithme. "Notre travail ne fait que commencer à ce stade", souligne Felix Thelen. "En effet, dans la recherche sur les matériaux, il existe des méthodes de mesure bien plus complexes que la mesure de la résistance, qui doivent également être optimisées." En coopération avec les fabricants d'instruments, des solutions doivent maintenant être développées pour permettre l'intégration de tels algorithmes d'apprentissage actif.
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
Autres actualités du département science
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.
