Depuis plusieurs années déjà, le numérique a permis d’accélérer considérablement le rythme de la recherche scientifique. Aujourd’hui, les scientifiques estiment que la conjugaison entre IA de pointe et cloud computing de nouvelle génération produit un effet d’accélération sans précédent, permettant de réaliser des découvertes d’ampleur à des vitesses impensables il y a quelques années seulement.
Microsoft et le Pacific Northwest National Laboratory (PNNL) de Richland, dans l’État de Washington aux Etats-Unis, travaillent ensemble pour démontrer comment la chimie et la science des matériaux, deux domaines scientifiques essentiels pour trouver les solutions énergétiques dont le monde a besoin, peuvent tirer parti de cette accélération.
Les chercheurs du PNNL testent ainsi un nouveau matériau de batterie, découvert en quelques semaines seulement, et non en quelques années, dans le cadre de la collaboration avec Microsoft. Cette dernière repose sur l’utilisation d’une IA de pointe et de calcul haute performance (HPC), un type de cloud computing qui combine un grand nombre d’ordinateurs pour résoudre des tâches scientifiques et mathématiques complexes.
Dans le cadre de cette initiative, l’équipe Microsoft Quantum a identifié, grâce à cette IA, environ 500 000 matériaux stables en l’espace de quelques jours.
Le nouveau matériau utilisé pour les batteries est le fruit d’une collaboration basée sur Azure Quantum Elements de Microsoft, qui a permis de passer de 32 millions de matériaux non organiques potentiels, à 18 candidats prometteurs susceptibles d’être utilisés dans le développement de batteries, en seulement 80 heures. Plus important encore, ces travaux ouvrent la voie à une nouvelle façon d’accélérer la résolution des problèmes urgents liés au développement durable, aux produits pharmaceutiques et autres, tout en donnant un aperçu des progrès qui seront rendus possibles par l’avènement de l’informatique quantique.
« Nous pensons qu’il y a une opportunité à saisir dans un certain nombre de domaines scientifiques », explique Brian Abrahamson, directeur des technologies numériques au PNNL. « Les avancées technologiques récentes ont ouvert la voie à une accélération de la recherche scientifique. »
Le PNNL est un laboratoire du Département de l’énergie américain qui mène des recherches dans plusieurs domaines, notamment la chimie et la science des matériaux, et dont les objectifs incluent la sécurité énergétique et la durabilité. Cela en fait le partenaire idéal de Microsoft pour mettre à profit des modèles d’IA de pointe afin de découvrir de nouveaux matériaux pour les batteries.
« Le développement de nouvelles batteries est un défi mondial d’une extrême importance », explique Brian Abrahamson. « Il s’agit d’un travail de longue haleine. Synthétiser et tester des matériaux à échelle humaine est fondamentalement contraignant ».
Progresser au fil des tentatives et des erreurs
Traditionnellement, la première étape de la synthèse des matériaux consiste à lire toutes les études publiées sur d’autres matériaux puis à formuler des hypothèses sur la manière dont des approches différentes pourraient donner des résultats. « Mais l’un des principaux défis réside dans le fait que les gens publient leurs réussites et non leurs échecs », explique Vijay Murugesan, chef du groupe des sciences des matériaux au PNNL. Cela signifie que les chercheurs profitent rarement des leçons tirées des échecs de leurs homologues.
L’étape scientifique suivante consiste habituellement à tester les hypothèses, ce qui est généralement un processus long et itératif. « En cas d’échec, nous retournons à la case départ », explique Vijay Murugesan. L’un de ses précédents projets au PNNL, une technologie de batterie à flux redox au vanadium, a nécessité plusieurs années de travail avant de résoudre un problème et de concevoir un nouveau matériau.
La méthode traditionnelle consiste à chercher comment améliorer ce qui a été fait dans le passé. Une autre approche consisterait à prendre toutes les possibilités et, par élimination, à trouver quelque chose de nouveau. La conception de nouveaux matériaux nécessite de nombreux calculs, et la chimie sera probablement l’une des premières applications de l’informatique quantique. Azure Quantum Elements propose un système de cloud computing conçu pour la recherche en chimie et en science des matériaux, dans la perspective d’un éventuel calcul quantique, et qui fonctionne déjà sur ce type de modèles, d’outils et de workflows. Ces modèles seront améliorés pour les futurs ordinateurs quantiques, mais ils s’avèrent déjà utiles pour faire avancer la découverte scientifique à l’aide de machines traditionnelles.
Pour évaluer ses progrès dans le monde réel, l’équipe Microsoft Quantum s’est concentrée sur un élément omniprésent dans notre vie : les matériaux utilisés dans les batteries.
Enseigner la science des matériaux à l’IA
Microsoft a d’abord entraîné différents systèmes d’IA à effectuer des analyses approfondies de tous les éléments exploitables et à suggérer des combinaisons. L’algorithme a proposé 32 millions de candidats, ce qui revient à trouver une aiguille dans une botte de foin. Ensuite, le système d’IA a identifié tous les matériaux stables. Un autre outil d’IA a filtré les molécules candidates en fonction de leur réactivité, et un autre en fonction de leur potentiel à conduire l’énergie.
L’idée n’est pas de trouver toutes les aiguilles possibles dans la botte de foin hypothétique, mais de trouver la plupart des bonnes. La technologie d’IA de Microsoft a réduit les 32 millions de candidats à environ 500 000 nouveaux matériaux stables pour la plupart, puis à 800.
« À chaque étape de la simulation où je devais effectuer un calcul quantique appliqué à la chimie, j’ai exécuté à la place un modèle de machine learning. J’obtiens donc toujours les informations et les observations détaillées qui découlent de la simulation, mais celle-ci peut être jusqu’à un demi-million de fois plus rapide », explique Nathan Baker, chef de produit pour Azure Quantum Elements.
L’IA est peut-être rapide, mais elle n’est pas parfaitement exacte. La série de filtres qui a suivi a fait appel au calcul haute performance, qui offre une grande précision mais mobilise beaucoup de puissance de calcul. Cela en fait un bon outil pour un ensemble plus restreint de matériaux candidats. La première vérification HPC a utilisé la théorie de la fonctionnelle de la densité pour calculer l’énergie de chaque matériau par rapport à tous les autres états dans lesquels il pourrait se trouver. Viennent ensuite les simulations de dynamique moléculaire qui combinent l’intelligence artificielle et le calcul haute performance pour analyser les mouvements des atomes et des molécules à l’intérieur de chaque matériau.
Ce processus a permis de réduire la liste à 150 candidats. Enfin, les scientifiques de Microsoft ont utilisé le calcul haute performance pour évaluer l’aspect pratique de chaque matériau (disponibilité, coût, etc.) afin de réduire la liste à 23, dont cinq étaient déjà connus.
Grâce à cette combinaison IA-HPC, la découverte des matériaux candidats les plus prometteurs n’a pris que 80 heures.
La partie HPC a représenté 10 % du temps de calcul, et ce sur un ensemble de molécules déjà ciblées. Cette intensité de calcul constitue un goulot d’étranglement, et cela même dans les universités et les instituts de recherche qui disposent de superordinateurs ; lesquels non seulement ne sont pas adaptés à un domaine spécifique, mais sont également partagés, de sorte que les chercheurs peuvent être amenés à attendre leur tour. Les outils d’IA de Microsoft, basés sur le cloud, permettent de remédier à cette situation.
Applications étendues et accessibilité
Les scientifiques de Microsoft ont eu recours à l’IA pour effectuer la majeure partie du tri, ce qui représente environ 90 % du temps de calcul. Les spécialistes des matériaux du PNNL ont ensuite réduit la liste à une demi-douzaine de matériaux candidats. Comme les outils d’IA de Microsoft sont formés à la chimie, et pas seulement aux systèmes de batteries, ils peuvent être utilisés pour n’importe quel type de recherche sur les matériaux – le cloud ayant l’avantage d’être toujours accessible.
« Nous sommes convaincus que le cloud est une ressource formidable pour améliorer l’accessibilité des communautés de recherche », explique Brian Abrahamson.
Aujourd’hui, Microsoft propose un copilote et des outils d’intelligence artificielle propres à la chimie qui, ensemble, , réduisant le nombre de candidats à une étude plus poussée afin que les scientifiques identifient plus rapidement sur quoi se concentrer. , explique Nathan Baker.
Le projet en est aujourd’hui à l’étape d’expérimentation. Le matériau a été synthétisé avec succès et transformé en prototypes de batteries fonctionnelles qui subiront de nombreux tests en laboratoire. La fabrication du matériau à ce stade, avant qu’il ne soit commercialisé, est expérimentale. L’une des premières étapes consiste à prendre des précurseurs solides des matériaux et à les broyer à la main à l’aide d’un mortier et d’un pilon, explique Shannon Lee, scientifique spécialiste des matériaux au PNNL. Elle utilise ensuite une presse hydraulique pour compacter le matériau en une pastille en forme de dé. Celle-ci est ensuite introduite dans un tube à vide et chauffée à une température comprise entre 450 et 650 degrés Celsius (842 à 1202 degrés Fahrenheit), transférée dans une boîte pour la protéger de l’oxygène et de l’eau, puis broyée en poudre pour être analysée.
Pour ce matériau, le processus d’une dizaine d’heures est « relativement rapide », précise Shannon Lee. « Parfois, il faut une ou deux semaines pour fabriquer un seul matériau. »
Des centaines de batteries fonctionnelles doivent ensuite être testées, sur des milliers de cycles de charge différents et dans d’autres conditions, et plus tard, différentes formes et tailles de batteries pour permettre une utilisation commerciale. Vijay Murugesan rêve du développement d’un jumeau numérique pour la chimie ou les matériaux, « de sorte qu’il ne soit pas nécessaire d’aller dans un laboratoire, d’assembler ce matériau, de fabriquer une batterie et de la tester. Vous pouvez dire ‘voici mon anode, voici ma cathode, voici l’électrolyte et voici la tension que je vais appliquer’, et le système peut alors prédire comment tout fonctionnera ensemble. Et même des détails comme, après 10 000 cycles et cinq ans d’utilisation, ‘la performance du matériau sera comme celle-ci’ ».
Microsoft travaille déjà sur des outils numériques pour accélérer les autres étapes du processus scientifique.
Le processus traditionnel, très long, est illustré par les batteries lithium-ion. Le lithium a attiré l’attention en tant que composant de batterie au début des années 1900, mais les batteries lithium-ion rechargeables ne sont apparues sur le marché que dans les années 1990.
Aujourd’hui, les batteries lithium-ion sont de plus en plus utilisées, pour les téléphones, les appareils médicaux, les véhicules électriques ou encore les satellites. Selon le Département de l’énergie américain, la demande en lithium devrait être multipliée par cinq ou dix d’ici à 2030. Le lithium est déjà relativement rare et donc cher. Son extraction pose des problèmes environnementaux et géopolitiques. Les batteries lithium-ion traditionnelles posent également des problèmes de sécurité, car elles peuvent s’enflammer ou exploser.
De nombreux chercheurs sont à la recherche de solutions de remplacement, tant pour le lithium que pour les matériaux utilisés comme électrolytes. Les électrolytes à l’état solide sont prometteurs en termes de stabilité et de sécurité.
Des résultats surprenants
Le matériau nouvellement découvert que les scientifiques du PNNL testent actuellement fait appel à la fois au lithium et au sodium, ainsi qu’à d’autres éléments, ce qui permet de réduire considérablement la teneur en lithium – probablement jusqu’à 70 %. Le processus n’en est qu’à ses débuts – la chimie exacte est sujette à optimisation et pourrait ne pas fonctionner à plus grande échelle, prévient Brian Abrahamson. Il souligne que la question ici n’est pas tant celle de ce matériau de batterie en particulier que celle de la rapidité avec laquelle un nouveau matériau a été identifié. Les scientifiques affirment que l’exercice lui-même est extrêmement utile et qu’il a révélé quelques surprises.
Le matériau dérivé de l’IA est un électrolyte à l’état solide. Les ions font la navette à travers l’électrolyte, entre la cathode et l’anode, avec une résistance minimale.
On pensait que les ions sodium et les ions lithium ne pouvaient pas être utilisés ensemble dans un système d’électrolyte à l’état solide parce qu’ils sont chargés de manière similaire mais ont des tailles différentes. On supposait que le cadre structurel d’un matériau électrolytique à l’état solide ne pouvait pas supporter le mouvement de deux ions différents. Mais après avoir effectué des essais, Vijay Murugesan déclare : « Nous avons constaté que les ions sodium et lithium semblent s’aider mutuellement ».
Le nouveau matériau présente un avantage, selon Nathan Baker, car sa structure moléculaire comporte naturellement des canaux intégrés qui aident les deux ions à se déplacer dans l’électrolyte.
Les travaux sur le nouveau matériau n’en sont qu’à leurs débuts, mais « qu’il s’agisse ou non d’une batterie viable à long terme, la rapidité avec laquelle nous avons trouvé une chimie de batterie utilisable est assez convaincante », déclare Brian Abrahamson.
D’autres découvertes sont encore possibles. Vijay Murugesan et son équipe doivent encore fabriquer et tester la plupart des autres nouveaux matériaux candidats suggérés par les modèles de Microsoft. La collaboration se poursuit, les chimistes informaticiens du PNNL apprenant à utiliser les nouveaux outils, y compris un copilote formé à la chimie et à d’autres publications scientifiques.
« Entre Microsoft et le PNNL, il s’agit d’une collaboration au long cours visant à accélérer la recherche scientifique, en mettant la puissance de ces changements de paradigme informatique, au service de la chimie et de la science des matériaux qui sont les points forts du Pacific Northwest National Laboratory », déclare Brian Abrahamson.
« Nous sommes à l’aube de la maturité des modèles d’intelligence artificielle, de la puissance de calcul nécessaire pour les entraîner et les rendre utiles, et de la capacité à les entraîner dans des domaines scientifiques spécifiques avec une intelligence spécifique », ajoute-t-il. « Nous entrons dans une période d’accélération sans précédent. C’est passionnant, car il s’agit de problématiques globales. »
__________________________________________________________________________________________
Ressources supplémentaires : https://news.microsoft.com/azure-quantum/
Image en couverture: Dan Thien Nguyen, chercheur en matériaux au PNNL, assemble une pile bouton avec l’électrolyte solide synthétisé. Grâce aux outils d’IA qui guident les chercheurs, la synthèse et les essais peuvent être orientés dans la bonne direction afin d’obtenir de meilleurs matériaux pour des applications spécifiques. Photo de Dan DeLong pour Microsoft.volume.