Des chercheurs de la Faculté de génie de l’Université de Toronto ont créé l’outil open source MOF-ChemUnity, qui propose une approche systématique de la recherche sur les cadres métallo-organiques (MOF) afin de faciliter les découvertes. Les MOF sont une classe de matériaux très largement utilisée dans le transport de médicaments, la catalyse, la capture de carbone, etc. Leur surface spécifique extrêmement élevée et leurs propriétés chimiques précisément réglables leur confèrent un vaste potentiel d’application : tamis moléculaires pour la séparation de gaz, capture de petites molécules pour détecter des substances à faible concentration, accélération de réactions industrielles, vecteurs de médicaments, etc. L’importance des MOF dans le domaine scientifique ne cesse de croître ; le prix Nobel de chimie 2025 leur a d’ailleurs été attribué.

Avec l’accélération des recherches sur les MOF dans plus de 25 domaines d’application, il devient de plus en plus difficile de suivre l’ensemble des connaissances, tant pour les chercheurs que pour les outils d’IA. L’équipe dirigée par le professeur Mohamad Moosavi (département de génie chimique et chimie appliquée) et par le Vector Institute a développé MOF-ChemUnity pour relever ce défi. Les résultats ont été publiés dans le Journal of the American Chemical Society et sélectionnés comme article de couverture.

MOF-ChemUnity utilise un graphe de connaissances structuré et évolutif qui extrait et relie les informations issues d’articles de recherche sur les MOF, de bases de données de structures cristallines et de bases de données de matériaux computationnels. Au cœur du système se trouve un workflow multi-agents à grands modèles de langage capable d’associer les noms chimiques mentionnés dans la littérature aux bonnes structures cristallines, présentant les étapes de synthèse, les propriétés des matériaux et les applications potentielles dans un format cohérent et lisible par machine. L’équipe a également combiné le graphe de connaissances avec de grands modèles de langage pour créer un assistant IA basé sur la littérature. Lors d’un test à l’aveugle réalisé par des experts MOF de plusieurs institutions, cet assistant a fourni des réponses plus précises, plus explicables et plus fiables que les modèles de référence comme GPT-4o, réduisant les hallucinations de l’IA et favorisant un raisonnement scientifique fiable.

L’équipe de l’Université de Toronto a mis en open source sur GitHub les jeux de données et le code, afin de soutenir le développement continu de la recherche en science des matériaux et en IA. Mohamad Moosavi déclare que ce projet pose les bases d’une transformation dans l’organisation et l’accès aux connaissances scientifiques, contribuant à lever les barrières à la recherche ; MOF-ChemUnity constitue la première étape vers des systèmes d’IA capables de traiter des données interdisciplinaires et établit un nouveau paradigme pour les découvertes basées sur la littérature – le point de départ d’un système de connaissances universel destiné à accélérer la recherche dans de multiples domaines.