En ouvrant la boîte noire de l'IA, une équipe découvre une chimie clé pour l'énergie solaire et au-delà
Le processus de sélection de nouveaux produits chimiques candidats est beaucoup plus simple que la recherche aveugle dans l'espace chimique
L'intelligence artificielle est un outil puissant pour les chercheurs, mais elle présente une limite importante : L'incapacité d'expliquer comment elle prend ses décisions, un problème connu sous le nom de "boîte noire de l'IA". En combinant l'IA avec la synthèse chimique automatisée et la validation expérimentale, une équipe interdisciplinaire de chercheurs de l'université de l'Illinois Urbana-Champaign a ouvert la boîte noire pour trouver les principes chimiques sur lesquels l'IA s'est appuyée pour améliorer les molécules destinées à capter l'énergie solaire.
Des chercheurs de l'Illinois ont ouvert la "boîte noire" de l'IA afin d'obtenir de nouvelles informations précieuses sur la chimie pour les applications dans le domaine de l'énergie solaire. Sur la photo, de gauche à droite : Le professeur Charles Schroeder, Changhyun Hwang, Seungjoo Yi, le professeur Ying Diao, le professeur Nick Jackson, Tiara Charis et Torres Flores.
Photo by Michelle Hassel
Le résultat a permis de produire des molécules collectrices de lumière quatre fois plus stables que le point de départ, ainsi que de nouvelles connaissances cruciales sur ce qui les rend stables - une question chimique qui a paralysé le développement des matériaux.
L'équipe interdisciplinaire de chercheurs était codirigée par Martin Burke, professeur de chimie à l'Université de l'Iowa, Ying Diao, professeur d'ingénierie chimique et biomoléculaire, Nicholas Jackson, professeur de chimie, et Charles Schroeder, professeur de science et d'ingénierie des matériaux, en collaboration avec Alán Aspuru-Guzik, professeur de chimie à l'Université de Toronto. Ils ont publié leurs résultats dans la revue Nature.
"Les nouveaux outils d'intelligence artificielle ont une puissance incroyable. Mais si vous essayez d'ouvrir le capot et de comprendre ce qu'ils font, vous n'obtenez généralement rien d'utile", a déclaré M. Jackson. "Pour la chimie, cela peut être très frustrant. L'IA peut nous aider à optimiser une molécule, mais elle ne peut pas nous dire pourquoi elle est optimale - quelles sont les propriétés, les structures et les fonctions importantes ? Grâce à notre processus, nous avons identifié ce qui confère à ces molécules une plus grande photostabilité. Nous avons transformé la boîte noire de l'IA en un globe de verre transparent".
Les chercheurs ont été motivés par la question de savoir comment améliorer les cellules solaires organiques, qui sont basées sur des matériaux minces et flexibles, par opposition aux panneaux rigides et lourds à base de silicium qui parsèment aujourd'hui les toits et les champs.
"Ce qui a entravé la commercialisation des cellules photovoltaïques organiques, ce sont les problèmes de stabilité. Les matériaux à haute performance se dégradent lorsqu'ils sont exposés à la lumière, ce qui n'est pas ce que l'on souhaite pour une cellule solaire", explique M. Diao. "Ils peuvent être fabriqués et installés d'une manière qui n'est pas possible avec le silicium et peuvent également convertir la chaleur et la lumière infrarouge en énergie, mais la stabilité est un problème depuis les années 1980".
La méthode de l'Illinois, appelée "transfert en boucle fermée", commence par un protocole d'optimisation guidé par l'IA, appelé expérimentation en boucle fermée. Les chercheurs ont demandé à l'IA d'optimiser la photostabilité des molécules qui captent la lumière, a expliqué M. Schroeder. L'algorithme de l'IA a fourni des suggestions sur les types de produits chimiques à synthétiser et à explorer au cours de plusieurs cycles de synthèse en boucle fermée et de caractérisation expérimentale. Après chaque cycle, les nouvelles données étaient réintégrées dans le modèle, qui fournissait alors des suggestions améliorées, chaque cycle se rapprochant du résultat souhaité.
Les chercheurs ont produit 30 nouveaux candidats chimiques au cours de cinq cycles d'expérimentation en boucle fermée, grâce à la chimie de type bloc de construction et à la synthèse automatisée mises au point par le groupe de Burke. Les travaux ont été réalisés au laboratoire Molecule Maker Lab, situé dans le Beckman Institute for Advanced Science and Technology de l'Université de l'Iowa.
"L'approche de la chimie modulaire complète parfaitement l'expérience en boucle fermée. L'algorithme d'IA demande de nouvelles données avec un potentiel d'apprentissage maximal, et la plateforme de synthèse de molécules automatisée peut générer très rapidement les nouveaux composés requis. Ces composés sont ensuite testés, les données sont réinjectées dans le modèle et celui-ci devient plus intelligent, encore et encore", a déclaré M. Burke, qui est également professeur au Carle Illinois College of Medicine. "Jusqu'à présent, nous nous sommes surtout concentrés sur la structure. Notre synthèse modulaire automatisée est désormais capable d'explorer la fonction".
Au lieu de simplement terminer la requête par les produits finaux sélectionnés par l'IA, comme dans une campagne typique menée par l'IA, le processus de transfert en boucle fermée a cherché à découvrir les règles cachées qui ont rendu les nouvelles molécules plus stables.
Pendant que l'expérience en boucle fermée se déroulait, un autre ensemble d'algorithmes examinait en permanence les molécules produites, développant des modèles de caractéristiques chimiques prédictives de la stabilité à la lumière, a expliqué M. Jackson. Une fois l'expérience terminée, les modèles ont fourni de nouvelles hypothèses testables en laboratoire.
"Nous utilisons l'IA pour générer des hypothèses que nous pouvons valider afin de déclencher de nouvelles campagnes de découverte menées par l'homme", a expliqué M. Jackson. "Maintenant que nous disposons de descripteurs physiques de ce qui rend les molécules photostables, le processus de sélection de nouveaux produits chimiques candidats est beaucoup plus simple que la recherche aveugle dans l'espace chimique.
Pour tester leur hypothèse sur la photostabilité, les chercheurs ont étudié trois molécules de structure différente qui captent la lumière et possèdent la propriété chimique qu'ils ont identifiée - une région de haute énergie particulière - et ont confirmé que le choix des solvants appropriés rendait les molécules jusqu'à quatre fois plus stables à la lumière.
"Il s'agit d'une preuve de principe de ce qui peut être fait. Nous sommes convaincus que nous pouvons étudier d'autres systèmes de matériaux, et les possibilités ne sont limitées que par notre imagination. À terme, nous envisageons une interface où les chercheurs pourront entrer la fonction chimique qu'ils souhaitent et où l'IA générera des hypothèses à tester", a déclaré M. Schroeder. "Ce travail ne pouvait être réalisé qu'avec une équipe multidisciplinaire et les personnes, les ressources et les installations dont nous disposons à l'Illinois, ainsi que notre collaborateur à Toronto. Cinq groupes se sont réunis pour générer de nouvelles connaissances scientifiques qui n'auraient pas été possibles si l'une des sous-équipes avait travaillé de manière isolée.
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
Nicholas H. Angello, David M. Friday, Changhyun Hwang, Seungjoo Yi, Austin H. Cheng, Tiara C. Torres-Flores, Edward R. Jira, Wesley Wang, Alán Aspuru-Guzik, Martin D. Burke, Charles M. Schroeder, Ying Diao, Nicholas E. Jackson; "Closed-loop transfer enables artificial intelligence to yield chemical knowledge"; Nature, 2024-8-28
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.
