Points clés :
L'Académie DAMO d'Alibaba Group Holding Ltd. a utilisé un agent d'intelligence artificielle pour prédire 68 000 matériaux supraconducteurs potentiels et en a confirmé expérimentalement quatre nouveaux, marquant l'une des plus grandes découvertes réalisées par l'IA dans la science des matériaux.
Un agent IA développé par l'Académie DAMO d'Alibaba, en collaboration avec l'Université Renmin et l'Université de l'Académie chinoise des sciences, a prédit 68 000 matériaux supraconducteurs possibles et fourni quatre composés confirmés expérimentalement, a annoncé le consortium le 3 juillet. Le système, baptisé ElementsClaw, combine de grands modèles de langage avec des outils spécialisés de simulation physique pour concevoir, filtrer et valider de manière autonome des matériaux candidats — un pipeline de bout en bout qui rivalise avec l'approche du consortium mondial SuperC, lequel a confirmé deux nouveaux supraconducteurs en juin à l'aide d'une méthode d'apprentissage automatique.
« ElementsClaw est le premier agent IA de qualité industrielle spécialement conçu pour la découverte de supraconducteurs », a déclaré l'équipe de recherche dans un communiqué. Le système intègre le traitement du langage naturel avec des calculs de théorie fonctionnelle de la densité, lui permettant de raisonner sur la chimie des matériaux et de prédire les propriétés électroniques sans que les chercheurs aient à configurer manuellement chaque simulation.
Les quatre composés confirmés ont été synthétisés en laboratoire et testés à l'aide de multiples modalités de mesure, notamment la magnétisation et le transport électrique, afin de vérifier la supraconductivité en volume. Le consortium a mis en open source l'ensemble des données des 68 000 prédictions, y compris les structures électroniques calculées et les paramètres de synthèse, afin d'accélérer les recherches ultérieures. À titre de comparaison, le consortium SuperC — dirigé par Paivi Torma de l'Université Aalto et incluant des chercheurs de l'Université Rice et de Princeton — a confirmé deux supraconducteurs à réseau kagomé, YRu3B2 et LuRu3B2, dans une étude publiée le 17 juin dans Physical Review Research, en utilisant un pipeline en trois étapes de pré-filtrage par apprentissage automatique, de calcul par théorie fonctionnelle de la densité et de synthèse expérimentale.
En quoi ElementsClaw diffère des autres systèmes de découverte par IA
L'architecture d'ElementsClaw se distingue des approches antérieures en intégrant un grand modèle de langage comme noyau de raisonnement, plutôt que d'utiliser un classificateur autonome. L'agent peut interpréter des articles de recherche, extraire des recettes de synthèse et proposer des modifications aux structures cristallines de manière autonome. Il exécute ensuite des simulations physiques pour estimer la température critique et la stabilité électronique, classant les candidats par viabilité prédite avant d'envoyer les meilleurs résultats à un laboratoire physique.
La méthode du consortium SuperC, quant à elle, utilise un modèle d'apprentissage automatique entraîné sur des propriétés connues de supraconducteurs pour pré-filtrer les familles de candidats, suivi de calculs ciblés de théorie fonctionnelle de la densité sur les candidats les plus prometteurs. Cette approche a identifié YRu3B2 et LuRu3B2 de la famille des réseaux kagomé, avec des températures critiques respectives de 0,81 K et 0,95 K — bien en dessous de la température ambiante mais suffisantes pour valider le pipeline. Torma a déclaré que la méthode pourrait éventuellement filtrer des milliards de matériaux candidats.
Ce que signifierait une supraconductivité à température ambiante
La recherche de supraconducteurs pratiques — des matériaux qui transportent l'électricité avec une résistance nulle à température ambiante — s'est intensifiée après les rétractations très médiatisées de revendications de supraconductivité à température ambiante en 2022 et 2023. Un matériau fonctionnant à 300 K sans refroidissement cryogénique pourrait réduire la consommation mondiale d'énergie dans les réseaux électriques, les centres de données et les matériels informatiques de manière transformatrice. Les supraconducteurs permettent déjà le fonctionnement des appareils d'IRM, des ordinateurs quantiques et des aimants de réacteurs à fusion, mais chaque application nécessite un refroidissement coûteux à l'hélium liquide qui limite le déploiement à grande échelle.
La publication en open source par Alibaba de l'ensemble de données ElementsClaw donne aux chercheurs académiques et industriels accès à des milliers de structures candidates qui nécessiteraient autrement des mois de calcul pour être générées. L'entreprise n'a pas divulgué le coût computationnel de l'exécution des prédictions ni les compositions chimiques spécifiques des quatre composés confirmés.
Les actions d'Alibaba se négociaient à 92,34 $ à New York le 2 juillet, en hausse de 18 % depuis le début de l'année. L'entreprise a massivement investi dans la recherche en IA par l'intermédiaire de son Académie DAMO, qui développe également de grands modèles de langage et des systèmes de vision par ordinateur. La découverte de matériaux supraconducteurs positionne les capacités d'IA d'Alibaba au-delà de ses activités principales de commerce électronique et de cloud, ouvrant potentiellement une nouvelle voie de monétisation de son infrastructure de recherche via des services de calcul scientifique ou des licences de matériaux.
Cet article est fourni à titre informatif uniquement et ne constitue pas un conseil en investissement.
