Par Anatole von Lilienfeld
L'intégration de l'IA aux simulations informatiques basées sur la physique a engendré des changements fascinants dans le monde de la chimie et des sciences des matériaux. Au lieu de passer des heures à tâtonner et à étudier un composé à la fois, nous avons maintenant des systèmes d'apprentissage automatique qui analysent des quantités considérables de composés virtuels, fournissant des réponses fiables sur de nouvelles molécules ou de nouvelles façons d'optimiser les matériaux existants pour des applications spécifiques.
Ce changement est comparable à l'introduction des calculatrices en remplacement des calculs manuels. Cependant, dans ce cas précis, les calculatrices nous offrent un raccourci considérable vers la compréhension et le contrôle. Il pourrait bientôt devenir courant de fabriquer sur demande et en temps réel les matériaux mêmes qui composent notre monde, nous permettant ainsi de relever plusieurs défis planétaires grâce à des matériaux et des molécules améliorés. Imaginez comment cela nous permettra d'accélérer la découverte de médicaments et la médecine personnalisée, ou de réduire notre empreinte carbone grâce à la création de nouvelles technologies de batteries.
Je trouve ça remarquablement beau de mélanger ces vieilles et nouvelles façons de penser, une approche illustrée par les trois publications suivantes de mon laboratoire.
La théorie fonctionnelle de la densité à l'ère de l'IA
La mécanique quantique, et plus particulièrement la théorie fonctionnelle de la densité (DFT), est un outil puissant pour comprendre les composés chimiques et les matériaux, et pour prédire leurs propriétés et leur comportement. Cette méthode est reconnue pour sa précision, sa polyvalence et son universalité dans les simulations informatiques, et s'applique à l'ensemble du tableau périodique de Mendeleïev. Nous avons récemment fait d'importants progrès dans l'utilisation de modèles d'apprentissage automatique (AA) entraînés sur des données synthétiques issues de simulations DFT exigeantes en ressources de calcul. Dès 2011, nous avons démontré qu'après leur entraînement, ces modèles d'AA pouvaient fournir des prédictions instantanées pour de nouveaux composés, avec la qualité et la polyvalence de la DFT. Des avancées plus récentes, telles que l'intelligence artificielle générative et les grands modèles linguistiques, ont eu un impact majeur et ouvrent la voie à des logiciels très prometteurs pour la planification de validations expérimentales réussies dans des laboratoires quasi autonomes.
Dans l’article « Le rôle central de la théorie fonctionnelle de la densité à l’ère de l’IA », publié dans Science , nous expliquons comment cela permet un avenir où les expériences menées par des robots deviennent aussi fondamentales pour la science que l’apprentissage automatique, les simulations informatiques, les théories traditionnelles et les expériences menées par des humains.
Apprentissage automatique quantique
Dans le cadre de nos modèles d'apprentissage automatique basés sur la mécanique quantique, la manière dont nous représentons ou « cartographions » les systèmes chimiques est cruciale, car elle influe directement sur les besoins en données d'entraînement nécessaires pour atteindre une puissance prédictive optimale. Cependant, les méthodes de représentation les plus performantes, qui se contentent de jeux de données d'entraînement de taille minimale, sont généralement gourmandes en ressources de calcul, ce qui rend l'étape d'entraînement longue et coûteuse en termes de matériel et d'empreinte carbone.
Depuis le déménagement de mon laboratoire à Toronto l'été dernier, Stefan Heinen, chercheur postdoctoral chez Vector, Danish Khan, doctorant chez Vector, et moi-même travaillons sur une nouvelle méthode de caractérisation des composés chimiques basée sur la physique. Cette méthode est si compacte qu'elle permet de réduire considérablement le coût d'entraînement des modèles d'apprentissage automatique. Dans notre article « Apprentissage automatique quantique à noyaux à un rythme record : fonctionnelles de distribution à N corps comme représentations compactes », publié dans le Journal of Chemical Physics , nous proposons une méthode améliorée pour représenter les systèmes chimiques. Cette méthode est non seulement ultracompacte, mais aussi invariante par rapport à la taille du système. Elle repose sur ce qu'on appelle les fonctionnelles de distribution à N corps gaussiennes atomiques (MBDF).
Lors de nos tests sur des ensembles de données de référence composés de molécules organiques, les performances de MBDF ont égalé, voire surpassé, celles des meilleures méthodes actuelles pour diverses propriétés quantiques. Nos résultats suggèrent que l'approche basée sur MBDF permet d'optimiser le compromis entre le coût d'échantillonnage et d'apprentissage tout en maintenant une précision élevée, ce qui en fait le choix privilégié pour certaines configurations de données d'apprentissage et de puissance de calcul disponibles. Capable de générer des prédictions chimiquement précises pour les propriétés quantiques de composés non observés hors échantillon, elle atteint des taux d'échantillonnage dans l'espace des composés chimiques équivalents à l'analyse d'environ 48 molécules par seconde avec un seul cœur de calcul. Si l'estimation quantitative des propriétés quantiques est généralement impossible pour l'humain, la résolution numérique des équations correspondantes pour une seule molécule prendrait facilement des milliers de secondes par les méthodes conventionnelles, sans apprentissage automatique.
Accélérer la recherche scientifique par l'automatisation
Cet été, Siwoo Lee, étudiante de premier cycle au Département de chimie de l'Université de Toronto, Heinen, Khan et moi-même avons développé un flux de travail autonome combinant un réseau neuronal convolutif et un modèle de langage étendu afin d'extraire des tableaux de données spécifiques d'articles scientifiques. Nous avons testé cette approche sur 592 molécules organiques étudiées dans 74 articles différents, publiés entre 1957 et 2014. Ces articles rapportaient des mesures expérimentales d'une propriété cruciale pour la recherche en électrochimie : le potentiel d'oxydation. Ce potentiel, dont les valeurs s'échelonnent de -0,75 à 3,58 V, est indiqué par son signe, précisant si la molécule est susceptible d'attirer ou de libérer un électron.
Après avoir validé les données et pris en compte les différentes conditions expérimentales, nous les avons utilisées pour entraîner des modèles d'apprentissage machine supplémentaires. Ces modèles étaient capables de prédire les potentiels d'oxydation avec une marge d'erreur proche de celle attendue pour les mesures expérimentales classiques (environ ± 0,2 V). Si plusieurs études présentaient des résultats pour une même molécule, notre modèle d'IA pouvait déterminer la valeur la plus probable. Nous avons ensuite utilisé nos modèles pour prédire le potentiel d'oxydation de plus de 100 000 molécules organiques, obtenant des valeurs comprises entre 0,21 et 3,46 V. Notre analyse a montré que certaines caractéristiques moléculaires, comme le fait d'être aliphatique, pouvaient augmenter le potentiel d'oxydation de 1,5 à 2,0 V en moyenne, tandis qu'un plus grand nombre d'atomes avait généralement tendance à le diminuer. Surtout, notre méthodologie démontre comment l'enchaînement de plusieurs modèles d'IA permet un flux de travail automatisé qui réduira considérablement le travail manuel habituellement nécessaire aux scientifiques pour obtenir des estimations computationnelles des propriétés de nouveaux composés à partir de modèles d'IA entraînés sur des données issues de la littérature.
Ce travail novateur et prometteur a été soumis pour publication et est actuellement disponible en ligne en prépublication. Les applications futures de cette recherche pourraient contribuer à révolutionner la recherche expérimentale en science des matériaux et en chimie grâce à des agents d'IA autonomes explorant des questions et des problèmes inédits au sein de laboratoires autonomes.
Nous sommes à l'aube de choses vraiment extraordinaires ; nous pourrions bientôt découvrir de nouveaux médicaments, concevoir de meilleures batteries, produire des composants électroniques organiques améliorés, élaborer des méthodes plus propres pour réaliser des réactions chimiques grâce à des catalyseurs sur mesure, et peut-être, qui sait, mettre la main sur ces insaisissables supraconducteurs à température ambiante.
