Mohamad Moosavi, professeur adjoint, génie chimique, Université de Toronto | Membre du corps professoral de l’Institut Vector
Le chemin vers des technologies climatiques révolutionnaires avance souvent à un rythme frustrant. Considérons les cadres métal-organiques – des matériaux reconnus par le prix Nobel de chimie 2025 pour leur potentiel à fournir de l’énergie propre, de l’eau propre et de l’air pur. La communauté de recherche a passé 20 ans à synthétiser plus de 120 000 variantes différentes, investissant énormément d’efforts et de temps. Le résultat : un seul matériau qui fonctionne pour la capture du carbone, et seulement dans des conditions spécifiques.
Mohamad Moosavi croit que l’IA peut changer radicalement cette chronologie. En tant que professeur adjoint en génie chimique à l’Université de Toronto et membre du corps professoral du Vector Institute, il dirige des recherches qui transforment la manière dont nous découvrons et concevons des matériaux pour des technologies durables comme la capture du carbone, le stockage d’énergie et la catalyse.
Bâtir l’écosystème unique d’IA pour la science à Toronto
Le lien de Moosavi avec Vector a débuté en 2020 en tant que chercheur postdoctoral à Berlin, en Allemagne. Travaillant à l’intersection de la chimie et de l’informatique, il a découvert le potentiel transformateur de l’apprentissage profond en science des matériaux et a trouvé son inspiration dans le travail d’Alán Aspuru-Guzik, un autre membre du corps professoral de Vector travaillant à l’intersection de la chimie et de l’informatique. L’accent mis par Vector sur l’IA pour la science représentait exactement le type d’environnement interdisciplinaire dont il avait besoin pour ses ambitions de recherche.
Lorsqu’il a déménagé à Toronto en 2023 pour se joindre à l’Université de Toronto comme professeur adjoint et a fondé le groupe de recherche sur l’intelligence artificielle pour les sciences chimiques, Vector a joué un rôle central dans sa décision. Toronto offrait quelque chose de rare : un écosystème concentré où des chercheurs de calibre mondial en chimie et en science des matériaux à l’UofT pouvaient collaborer sans effort avec les principaux scientifiques de l’IA chez Vector, soutenus par des infrastructures comme des laboratoires autonomes et le Consortium Acceleration.
Moosavi a rejoint Vector en tant qu’affilié du corps professoral en 2023, ce qui lui a permis d’accéder à une communauté où il peut s’inspirer et mener des recherches significatives et percutantes. Devenir membre du corps professoral en 2025 approfondit encore davantage ce lien avec la communauté de Vector. Avec ce nouveau poste, il espère façonner l’écosystème de Toronto, de l’Ontario et du Canada afin de diriger ce type de recherche à l’échelle mondiale.
Lorsque les molécules deviennent mathématiquement différentiables
« Avec l’apprentissage profond, nous pouvons rendre les molécules différenciables. C’est assez excitant parce que c’est pour la première fois dans l’histoire de l’humanité que nous pouvons traiter les produits chimiques, les molécules et les matériaux comme une variable continue. »
Au cœur du travail de Moosavi se trouve un défi fondamental qui limite l’ingénierie des matériaux depuis des décennies : les matériaux et les produits chimiques existent comme des variables catégorielles – des entités distinctes et distinctes que les méthodes d’ingénierie traditionnelles peinent à optimiser. Les ingénieurs préfèrent les variables continues qu’ils puissent ajuster en douceur, mais la chimie ne fonctionne pas comme ça. On ne peut pas avoir « la moitié » d’une molécule ou passer graduellement d’une structure chimique à l’autre.
L’apprentissage profond change complètement cela. En créant des représentations mathématiques sophistiquées des structures moléculaires, l’équipe de Moosavi peut traiter efficacement les matériaux comme des variables continues pour la première fois dans l’histoire humaine. Cela signifie qu’ils peuvent appliquer des techniques d’optimisation puissantes, allant de l’ingénierie – auparavant impossibles pour les systèmes chimiques – à la conception simultanée des matériaux, procédés chimiques et des dispositifs, plutôt que de manière séquentielle.
Cette percée permet une toute nouvelle approche de la découverte des matériaux. Au lieu de synthétiser des milliers de candidats et de les tester un par un, les chercheurs peuvent utiliser l’IA pour naviguer informatiquement dans l’immense espace des matériaux possibles, en identifiant des candidats prometteurs à une vitesse sans précédent. Les implications pour la lutte contre les changements climatiques sont importantes : des technologies qui auraient pu prendre des décennies à être développées pourraient potentiellement émerger en quelques années, voire en quelques mois. Les travaux actuels de Moosavi appliquent l’apprentissage profond topologique – des méthodes conçues spécifiquement pour comprendre comment la structure tridimensionnelle et les schémas de connectivité des matériaux déterminent leurs propriétés. Contrairement aux grands modèles de langage qui apprennent des motifs dans le texte, ces modèles apprennent la « grammaire » et la « syntaxe » des structures moléculaires, capturant comment les blocs de construction s’assemblent et comment cet assemblage affecte la performance. L’objectif est de développer des méthodes qui apprennent et codent le langage des matériaux, avec un apprentissage de représentation compatible avec la nature des matériaux et des produits chimiques, plutôt que d’adapter des techniques conçues pour le langage humain.
L’opportunité du Canada de diriger la technologie durable
« Nous avons l’opportunité de générer de nouvelles technologies au Canada parce que nous avons les meilleurs scientifiques, les meilleurs ingénieurs, et nous avons une société qui s’intéresse à la durabilité. C’est assez rare et c’est aussi une énorme opportunité pour nous, en tant que chercheurs à l’Institut Vector, de catalyser cette innovation. »
La convergence de solides talents scientifiques, d’engagement envers la durabilité et de capacités avancées en IA positionne le Canada comme une destination où les chercheurs souhaitent générer des innovations créant de la valeur économique tout en relevant les défis climatiques, comme Moosavi. L’écosystème soutient activement le type de recherche interdisciplinaire appliquée en IA qui traduit les découvertes en technologies déployables – et cet écosystème continue d’évoluer.
Pour y parvenir, des chercheurs sont prêts à travailler au-delà des frontières disciplinaires. Quand on franchit les limites et qu’on essaie de relier des disciplines, des occasions qui étaient autrefois invisibles deviennent soudainement visibles. Cela conduit à des innovations qui peuvent faire évoluer les technologies et la science, mais il faut aussi accepter les incertitudes liées à de nouvelles approches pionnières.
Pour Moosavi, la transition de professeur affilié à membre du corps professoral représente un engagement croissant à bâtir cet écosystème en Ontario. Son conseil aux chercheurs envisageant une affiliation avec Vector est simple : « Si vous cherchez à collaborer et à interagir avec des scientifiques qui sont les meilleurs dans leur domaine, Vector est l’endroit idéal. » La combinaison de chercheurs de calibre mondial issus de différentes disciplines, d’infrastructures partagées et d’un engagement réel envers le travail interdisciplinaire crée les occasions nécessaires pour développer les innovations en vue d’un avenir durable.
