Mohamad Moosavi , professeur adjoint de génie chimique à l'Université de Toronto | Membre du corps professoral de l'Institut Vector
Le développement de technologies climatiques révolutionnaires est souvent un processus long et fastidieux. Prenons l'exemple des réseaux métallo-organiques (MOF), matériaux récompensés par le prix Nobel de chimie 2025 pour leur potentiel à fournir de l'énergie propre, de l'eau potable et de l'air pur. La communauté scientifique a consacré 20 ans à la synthèse de plus de 120 000 variantes, déployant des efforts et un temps considérables. Résultat : un seul matériau efficace pour la capture du carbone, et ce, uniquement dans des conditions spécifiques.
Mohamad Moosavi est convaincu que l'IA peut changer radicalement la donne. Professeur adjoint de génie chimique à l'Université de Toronto et membre du corps professoral de l'Institut Vector, il dirige des recherches qui transforment notre façon de découvrir et de concevoir des matériaux pour des technologies durables comme la capture du carbone, le stockage d'énergie et la catalyse.
Construire l'écosystème unique d'IA pour la science de Toronto
Le lien de Moosavi avec Vector a commencé en 2020, alors qu'il était 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 l'inspiration dans les travaux d' Alán Aspuru-Guzik , également membre du corps professoral de Vector et travaillant à l'intersection de la chimie et de l'informatique. L'orientation de Vector vers l'IA pour la science représentait exactement le type d'environnement interdisciplinaire dont il avait besoin pour ses ambitions de recherche.
Lorsqu'il s'est établi à Toronto en 2023 pour se joindre à l'Université de Toronto en tant que professeur adjoint et y fonder le groupe de recherche en intelligence artificielle pour les sciences chimiques, Vector a joué un rôle déterminant dans sa décision. Toronto offrait un atout rare : un écosystème concentré où les chercheurs de renommée mondiale en chimie et en science des matériaux de l'Université de Toronto pouvaient collaborer étroitement avec les scientifiques de pointe en IA de Vector, grâce à des infrastructures telles que les laboratoires de conduite autonome et le Consortium d'accélération .
Moosavi s'est joint à Vector en tant que professeur associé en 2023, ce qui lui a permis d'intégrer une communauté où il peut s'inspirer et mener des recherches significatives et percutantes. Son accession au poste de membre du corps professoral en 2025 renforce encore plus ses liens avec la communauté de Vector. Grâce à ses nouvelles fonctions, il espère contribuer à façonner l'écosystème de Toronto, de l'Ontario et du Canada afin de devenir un chef de file mondial dans ce domaine de recherche.
Lorsque les molécules deviennent mathématiquement différentiables
« Grâce à l'apprentissage profond, on peut rendre les molécules différentiables. C'est excitant parce que, pour la première fois dans l'histoire de l'humanité, on peut traiter les produits chimiques, les molécules et les matériaux comme une variable continue. »
Au cœur des travaux de Moosavi se trouve un défi fondamental qui a freiné l'ingénierie des matériaux pendant des décennies : les matériaux et les produits chimiques existent en tant que variables catégorielles – des entités discrètes et distinctes que les méthodes d'ingénierie traditionnelles peinent à optimiser. Les ingénieurs privilégient les variables continues qu'ils peuvent ajuster en douceur, mais la chimie ne fonctionne pas ainsi. On ne peut pas avoir une « demi- » molécule ni passer progressivement d'une structure chimique à une autre.
L'apprentissage profond change complètement la donne. En créant des représentations mathématiques sophistiquées des structures moléculaires, l'équipe de Moosavi peut, pour la première fois dans l'histoire de l'humanité, traiter efficacement les matériaux comme des variables continues. Cela signifie qu'ils peuvent appliquer des techniques d'optimisation puissantes issues de l'ingénierie – auparavant impossibles pour les systèmes chimiques – afin de concevoir simultanément des matériaux, des procédés chimiques et des dispositifs, et non plus séquentiellement.
Cette avancée majeure ouvre la voie à une approche novatrice de la découverte de matériaux. Au lieu de synthétiser des milliers de candidats et de les tester un par un, les chercheurs peuvent maintenant utiliser l'IA pour explorer informatiquement le vaste champ des matériaux potentiels et identifier les candidats prometteurs avec une rapidité sans précédent. Les implications pour la lutte contre les changements climatiques sont considérables : des technologies qui auraient nécessité des décennies de développement pourraient potentiellement voir le jour en quelques années, voire quelques mois. Les travaux actuels de Moosavi appliquent l'apprentissage profond topologique, des méthodes spécifiquement conçues pour comprendre comment la structure tridimensionnelle et les schémas de connectivité des matériaux déterminent leurs propriétés. Contrairement aux grands modèles de langage qui apprennent les structures textuelles, ces modèles apprennent la « grammaire » et la « syntaxe » des structures moléculaires, en saisissant comment les éléments constitutifs s'assemblent et comment cet assemblage influence les performances. L'objectif est de développer des méthodes qui apprennent et encodent le langage des matériaux , avec un apprentissage de la représentation compatible avec la nature des matériaux et des produits chimiques, plutôt que d'adapter des techniques conçues pour le langage humain.
L'occasion pour le Canada de devenir un chef de file en matière de technologies durables
Au Canada, nous avons la possibilité de créer de nouvelles technologies grâce à nos scientifiques et ingénieurs de haut niveau, ainsi qu’à une société soucieuse du développement durable. C'est assez rare et représente une occasion en or pour nous, chercheurs à l'Institut Vector, de catalyser cette innovation. »
La convergence de solides talents scientifiques, d'un engagement envers le développement durable et de capacités avancées en intelligence artificielle fait du Canada une destination de choix pour les chercheurs souhaitant créer des innovations génératrices de valeur économique tout en relevant les défis climatiques, comme Moosavi. L'écosystème soutient activement la recherche interdisciplinaire et appliquée en intelligence artificielle qui transforme les découvertes en technologies déployables – et cet écosystème continue d'évoluer.
Pour y parvenir, il faut des chercheurs prêts à collaborer au-delà des frontières disciplinaires. En décloisonnant les disciplines et en les reliant, des occasions auparavant insoupçonnées se révèlent. Cela favorise des innovations susceptibles de transformer en profondeur le développement technologique et scientifique, mais implique aussi d'accepter les incertitudes inhérentes à toute approche novatrice.
Pour Moosavi, le passage du statut de membre associé à celui de membre titulaire de la faculté témoigne d'un engagement croissant envers le développement de cet écosystème en Ontario. Son conseil aux chercheurs envisageant une affiliation à Vector est clair : « Si vous souhaitez collaborer et interagir avec les meilleurs scientifiques dans leur domaine, Vector est l'endroit idéal. La présence de chercheurs de renommée mondiale issus de différentes disciplines, le partage d'infrastructures et un véritable engagement envers le travail interdisciplinaire créent les opportunités nécessaires au développement des innovations pour un avenir durable.
