Intelligence artificielle CAMEO, un modèle de machine learning capable de reconnaître tous types de...

Pour approfondir le sujet

Sur le même thème :

Intelligence artificielle : la reconnaissance d’expressions faciales peut-elle être universelle ?

Dans chaque pays du monde, pour exprimer nos sentiments, nos émotions ou parfois même une idée, nous utilisons certaines expressions faciales. Toutefois, ces mimiques...

Un modèle d’intelligence artificielle permet de réfuter certaines conjectures mathématiques

En mathématiques, une conjecture est un résultat qui semble vrai, mais pour lequel aucune démonstration n'a été trouvée : c'est ce qui la diffère...

Logistique médicale : un système prend en compte l’environnement pour se déplacer dans des situations d’urgence

Plusieurs chercheurs de l'Université de Californie à San Diego ont développé un algorithme d'intelligence artificielle qui peut être implémenté sur des robots. Ce code...

Google souhaite vaincre les problèmes dermatologiques à l’aide de l’intelligence artificielle

Il y a quelques années, L’Université de Waterloo exploitait l'intelligence artificielle pour faciliter la détection des cancers de la peau. Dans le même esprit,...

CAMEO, un modèle de machine learning capable de reconnaître tous types de matériaux

Dans le cadre de recherches sur les matériaux, le National Institute of Standards and Technology (NIST) a élaboré un modèle d’IA. Cet algorithme baptisé Closed-Loop Autonomous System for Materials Exploration (CAMEO) aide les chercheurs à reconnaître un matériau en cibla. Grâce à cet outil, ils ont pu identifier un nouveau composant qui pourrait être utilisé dans des dispositifs photoniques ou pour l’informatique neuromorphique.

Un algorithme pour aider la science des matériaux

De nombreux scientifiques travaillent à la découverte de nouveaux matériaux pouvant être utilisés dans des applications spécifiques, comme un métal léger, mais solide pour la construction d’une voiture, ou un alliage capable de résister à des contraintes et des températures élevées pour un moteur à réaction.

Mais trouver de tels nouveaux matériaux nécessite généralement un grand nombre d’expériences coordonnées et de longues recherches théoriques : par exemple, si un composant voit sa structure se modifier selon la température du milieu, il faudra réaliser de nombreuses expériences pour savoir comment il se comporte. Imaginons désormais que le matériau ne dépend pas que de la température, mais également d’autres paramètres, le nombre de tests est alors décuplé, et les experts ne peuvent pas tous les réaliser.

En réponse à cette problématique, des chercheurs du NIST aux États-Unis ont proposé CAMEO, un algorithme visant à garantir que chaque expérience menée puisse fournir un maximum d’informations sur les matériaux afin de mieux les comprendre. Son élaboration a été décrite dans un article rédigé par une quinzaine de chercheurs, dont l’auteur principal est Aaron Gilad Kusne.

Le machine learning dans l’optique d’entrainer CAMEO

CAMEO est capable d’identifier un nouveau matériau en opérant en boucle fermée : il détermine quelle expérience exécuter sur un matériau, effectue l’expérience et collecte les données utiles. Il peut également demander plus d’informations au chercheur avant de lancer l’expérience suivante, telle que la structure cristalline du matériau souhaité, afin que le modèle puisse réaliser le meilleur test possible. En parallèle, l’expert est informé de toutes les expériences effectuées dans la boucle.

NIST Cameo
CAMEO

Les scientifiques ont entrainé CAMEO grâce au machine learning. Pour analyser des matériaux, on réalise une expérience qui nécessite des rayons X. L’algorithme est installé sur un ordinateur qui se connecte à l’équipement de diffraction des rayons X. CAMEO choisit le matériau sur lequel les rayons X se concentrent pour étudier sa structure atomique. À chaque nouvelle expérience, le modèle conserve les données et les apprend afin de les utiliser dans le cadre d’un prochain test.

L’IA est conçue pour contenir l’ensemble des principes clés de la science des matériaux, y compris la connaissance des simulations et des expériences déjà réalisées par le passé. Par exemple, les chercheurs ont doté CAMEO des éléments de base de la cartographie de phase, qui décrit comment la disposition des atomes dans un matériau change avec la composition chimique et la température.

Les potentiels avantages de CAMEO

Grâce à CAMEO, les chercheurs ont découvert le matériau Ge4Sb6Te7 (GST467) parmi les 177 qu’ils ont étudiés. Pour y parvenir, le modèle a effectué 19 cycles expérimentaux qui ont duré 10 heures. À titre comparatif, il aurait fallu 90 heures pour un scientifique en laboratoire pour arriver au même résultat.

CAMEO Ge4Sb6Te7 (GST467)
Découverte de Ge4Sb6Te7 (GST467)

Les chercheurs précisent que CAMEO pourrait être utilisé pour de nombreuses autres applications de matériaux. Le code de cet algorithme est open source et sera disponible gratuitement pour utilisation par les scientifiques et les chercheurs. Le système permet également aux scientifiques de travailler à distance. L’équipe a indiqué chercher à améliorer l’outil et à concevoir des algorithmes capables de résoudre des problèmes toujours plus complexes.


1ère Marketplace de l'IA et de la transformation numérique vous recommande :
 
Zacharie Tazrout

Partager l'article

META AI dévoile BlenderBot 3, un projet de recherche sur l’IA conversationnelle

Après avoir présenté BlenderBot en 2020, la mouture BlenderBot 2.0 en 2021, META a dévoilé BlenderBot 3 le 5 août dernier. Comme pour ses...

Reconnaissance faciale : la plateforme « From Numbers to Name » aide à identifier les victimes de l’Holocauste

Le deep learning est aujourd'hui utilisé dans de nombreux domaines, il l'est de plus en plus dans celui de l'histoire. Daniel Patt, un ingénieur...

Lancement de l’appel à candidatures de la phase V des pôles de compétitivité

Alors que la phase IV (2019-2022) des pôles de compétitivité prendra fin en décembre 2022, Bruno Le Maire, Ministre de l’Economie, des Finances et...

Focus sur SMART, programme de l’IARPA visant à identifier et surveiller les constructions à grande échelle grâce au machine learning

L'IARPA (Intelligence Advanced Research Projects Activity), la branche de recherche de la communauté du renseignement aux Etats-Unis, a lancé le programme SMART (Space-based Machine...
Recevoir une notification en cas d'actualité importante    OK Non merci