Percée dans la description de la matière molle grâce à l'IA
"Cette puissante combinaison de techniques de base essentiellement simples a ouvert un nouveau chapitre dans la théorie de la fonctionnelle de la densité"
Des scientifiques de Bayreuth ont mis au point une nouvelle méthode d'étude de la matière liquide et molle à l'aide de l'intelligence artificielle. Dans une étude publiée dans la revue "Proceedings of the National Academy of Sciences of the United States of America" (PNAS), ils ouvrent un nouveau chapitre de la théorie de la fonctionnelle de la densité avec leur "théorie fonctionnelle neuronale".
Image symbolique
Computer-generated image
Nous vivons dans un monde hautement technologique où la recherche fondamentale est le moteur de l'innovation, dans un réseau dense et complexe d'interrelations et d'interdépendances. La recherche publiée fournit de nouvelles méthodes qui peuvent avoir une grande influence sur les techniques de simulation répandues, de sorte que les substances complexes peuvent être étudiées sur ordinateur plus rapidement, plus précisément et plus profondément. À l'avenir, cela pourrait avoir une influence sur la conception des produits et des processus. Le fait que la structure des liquides puisse être parfaitement représentée par les relations mathématiques neuronales nouvellement formulées constitue une avancée majeure qui ouvre une série de possibilités pour obtenir des connaissances physiques approfondies.
"Dans cette étude, nous démontrons comment l'intelligence artificielle peut être utilisée pour réaliser des travaux de physique théorique fondamentale portant sur le comportement des fluides et d'autres systèmes complexes de matière molle", explique le professeur Matthias Schmidt, titulaire de la chaire de physique théorique II à l'université de Bayreuth : "Nous avons développé une méthode scientifique avancée pour étudier la matière au niveau atomique et (macro)moléculaire, en combinant l'apprentissage automatique et les méthodes mathématiques pour calculer des propriétés physiques complexes."
Les chercheurs de Bayreuth présentent un schéma hybride basé sur la théorie classique de la fonctionnelle de la densité et l'apprentissage automatique pour déterminer la structure d'équilibre et la thermodynamique des fluides sous diverses influences. Schmidt rapporte : "Nous démontrons l'utilisation de la fonction neuronale dans le calcul autoconsistant des profils de densité. La qualité des résultats dépasse l'état de l'art de la théorie de la fonctionnelle de la densité à mesure fondamentale. Les résultats établissent l'apprentissage automatique des fonctionnelles comme un outil efficace pour la description multi-échelle de la matière molle". Ainsi, des connaissances fondamentales sur la structure de la matière sont acquises. Le type de matière peut être banal, mais il peut aussi être à la base de processus technologiques et de produits commerciaux. Cette puissante combinaison de techniques de base essentiellement simples a ouvert un nouveau chapitre dans la théorie de la fonctionnelle de la densité", explique M. Schmidt, "car les réseaux formés par les données de simulation sont plus précis que les meilleures approximations théoriques actuelles conçues "à la main", c'est-à-dire avec du papier et un crayon".
M. Schmidt insiste sur ce point : "Outre l'importance pour le domaine particulier de la mécanique statistique de la matière molle, je pense que notre méthode soulève également des questions fondamentales sur la compréhension que l'homme a de son activité intellectuelle. En ce qui me concerne, notre étude donne un espoir considérable pour des développements où l'intelligence artificielle, au lieu de nous remplacer, nous élargit d'une manière que je trouve très surprenante".
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
Florian Sammüller, Sophie Hermann, Daniel de las Heras, Matthias Schmidt; "Neural functional theory for inhomogeneous fluids: Fundamentals and applications"; Proceedings of the National Academy of Sciences, Volume 120, 2023-12-7
Florian Sammüller, Sophie Hermann, and Matthias Schmidt; Why neural functionals suit statistical mechanics; arXiv:2312.04681
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.
