Des chercheurs de l’Université du New Hampshire ont réussi, grâce à l’intelligence artificielle, à accélérer le processus de découverte de nouveaux matériaux magnétiques fonctionnels. Ils ont construit une base de données consultable contenant 67 573 matériaux magnétiques, dont 25 composés jusqu’alors inconnus qui conservent leurs propriétés magnétiques même à haute température.
Cette nouvelle base de données nord-est des matériaux facilite l’exploration de matériaux magnétiques jouant un rôle clé dans les smartphones, les dispositifs médicaux, les générateurs et les véhicules électriques. Actuellement, ces aimants dépendent largement d’éléments de terres rares coûteux, importés et de plus en plus difficiles à obtenir ; parmi les nombreux composés magnétiques connus, aucun nouvel aimant permanent n’a été découvert.
L’équipe de recherche a publié une étude expliquant comment elle a construit un système d’intelligence artificielle capable de lire des articles scientifiques, d’en extraire les détails expérimentaux essentiels, d’alimenter ces données dans des modèles informatiques pour déterminer si un matériau est magnétique et quelle est la température maximale qu’il supporte avant de perdre son magnétisme, puis d’organiser ces informations dans une base de données consultable. Les scientifiques savent qu’il existe un grand nombre de composés magnétiques encore inconnus, mais tester en laboratoire toutes les combinaisons possibles d’éléments est long et coûteux. Le professeur de physique et co-auteur Jia Dong Zang a déclaré : « Nous relevons l’un des grands défis de la science des matériaux : trouver des alternatives durables aux aimants permanents. La base de données expérimentale combinée aux progrès constants de l’intelligence artificielle nous aidera à atteindre cet objectif. » Les chercheurs ajoutent que les grands modèles de langage modernes qui ont permis ce projet pourraient avoir des applications bien au-delà de cette base de données, notamment dans l’enseignement supérieur, par exemple pour convertir des images en formats de texte enrichi modernes, afin de moderniser les collections des bibliothèques.
