Chimie

Ce qui rend l'IA très attrayante pour la chimie, c'est qu'elle permet aux scientifiques d'inverser l'approche classique "essai-erreur". Un jumeau numérique, c'est-à-dire un "miroir" virtuel des processus réels, peut être construit à l'aide d'une modélisation informatique englobant des simulations mécanistes et l'IA. En tant que telle, l'IA promet de révolutionner les processus de découverte, d'analyse et d'optimisation, réduisant ainsi les coûts de recherche et développement. Par exemple, dans le domaine des batteries lithium-ion, nous avons conçu des outils de calcul alimentés par l'IA pour rationaliser la formulation et la fabrication des électrodes de batterie tout en garantissant une grande fiabilité. Ces outils s'appuient sur des flux de travail, englobent la modélisation multi-échelle, diverses techniques de ML et l'expérimentation à haut débit.
Un autre exemple se trouve dans le domaine de la chimie biologique. La production optimisée de molécules d'intérêt, à partir de polysaccharides ou de biomasse lipidique, est basée sur l'analyse des relations structure/activité, des voies de synthèse courtes et efficaces, et une évaluation de leurs propriétés finales dans le domaine de la santé, de la chimie verte ou de la catalyse. Une troisième application est la synthèse de matériaux à changement de phase, pour laquelle la simulation de la mise à l'échelle nécessite un ML.

Toutes ces approches sont basées sur des approches traditionnelles d'IA en boîte noire, qui ne peuvent être mises en œuvre, utilisées et déployées que par des experts, de sorte que les résultats prédits sont difficiles à interpréter. MAIA propose un changement de paradigme, consistant à développer, mettre en œuvre et démontrer l'IAO pour la découverte, l'analyse et l'optimisation des molécules et des matériaux. Les méthodes envisagées seront démontrées sur trois cas d'utilisation d'actualité dans l'industrie :

  • améliorer les méthodes de synthèse et de fabrication de matériaux pour les applications de stockage d'énergie (batteries rechargeables et stockage d'hydrogène). Ces méthodes sont des processus complexes englobant de multiples étapes et paramètres, constituant un problème multidimensionnel typique. XAI sera utile pour comprendre et valider les prédictions sur les propriétés texturales, physico-chimiques et électrochimiques des matériaux.
  • prédire le comportement des matériaux synthétisés en fonctionnement. XAI sera utilisé pour comprendre l'évolution spatio-temporelle des matériaux lors de leur utilisation (par exemple, les problèmes de vieillissement dans les batteries lithium-ion) simulée à l'aide de modèles mécanistes.
  • synthètiser de nouveaux composés biosourcés. Les complexes d'hydrates de carbone ou de lipides sont décrits comme des molécules biologiques importantes, mais leur synthèse reste encore limitée en raison du travail fastidieux de séparation des intermédiaires et de manipulation des groupes de protection. Des méthodes basées sur l'IA seront utilisées pour prédire et comprendre les réactions et les voies d'accès aux composés biologiques, améliorant ainsi les relations structure-activité et le criblage moléculaire.
a2u
artois artois artois artois
france2030 france2030