GNoME Découverte de Matériaux

Utilisant des modèles avancés de réseaux neuronaux graphiques (GNN), GNoME traite les structures cristallines comme des graphes, représentant les connexions entre les atomes, ce qui le rend exceptionnellement adapté à la découverte de nouveaux matériaux cristallins. L'outil emploie deux pipelines : un pipeline structurel qui génère des candidats similaires aux cristaux connus, et un pipeline compositionnel qui explore de nouvelles formules chimiques. Ces candidats sont ensuite évalués à l'aide de calculs de théorie de la fonctionnelle de la densité (DFT), et les résultats alimentent le processus d'apprentissage actif de GNoME, améliorant continuellement sa précision prédictive. Cette approche a augmenté le taux de découverte de matériaux stables d'environ 50 % à plus de 80 %.

GNoME a déjà identifié 2,2 millions de nouveaux cristaux, un nombre équivalent à environ 800 ans de recherche traditionnelle. De manière cruciale, 380 000 d'entre eux sont prédits comme étant hautement stables, ce qui en fait des candidats prometteurs pour la synthèse expérimentale et une application potentielle dans des technologies transformatrices. Cela inclut des matériaux pour les supraconducteurs, les batteries de nouvelle génération et les supercalculateurs. L'outil a considérablement élargi l'univers connu des matériaux technologiquement viables, découvrant, par exemple, 52 000 nouveaux composés lamellaires similaires au graphène et 528 conducteurs potentiels de lithium-ion.

Le projet vise à démocratiser la découverte de matériaux en rendant les prédictions de GNoME publiquement disponibles. Les 380 000 matériaux stables prédits sont versés dans la base de données Materials Project, permettant aux chercheurs du monde entier. La validation indépendante a montré que des chercheurs externes ont réussi à synthétiser expérimentalement 736 des structures prédites par GNoME. De plus, en collaboration avec le Lawrence Berkeley National Laboratory, les prédictions de GNoME sont exploitées pour la synthèse autonome de matériaux, démontrant le potentiel de l'IA pour guider les laboratoires robotisés dans la création de nouveaux matériaux à un rythme sans précédent.