Décryptage

Nouveaux matériaux : du biomimétisme à l’intelligence artificielle

Posté le 14 mars 2018
par Sophie Hoguin
dans Matériaux

Des chercheurs du MIT ont mis au point un process automatisé qui recherche les microstructures optimales à utiliser pour créer des métamatériaux aux propriétés spécifiques.

La recherche de nouveaux matériaux s’appuie depuis de nombreuses décennies sur le biomimétisme : les chercheurs identifient un matériel biologique aux caractéristiques intéressantes comme la soie d’araignée ; Ils en étudient la microstructure, essaient de comprendre comment naissent les caractéristiques qui les intéressent puis essaient de la reproduire en créant des matériaux artificiels. Des chercheurs du laboratoire des sciences informatiques et de l’intelligence artificielle du MIT ont développé un système qui renverse cette logique. Les scientifiques spécifient les propriétés qu’ils désirent obtenir dans un logiciel qui va générer par calcul quelles sont les microstructures idéales pour coller aux spécifications.

Une recherche de compromis

A l’origine de l’outil présenté dans les travaux publiés dans Science Advances, il y avait déjà d’autres recherches publiées l’été dernier par le même groupe de travail. Il s’agissait alors de générer des modèles de microstructures puis d’utiliser un logiciel de simulation pour les évaluer selon trois ou quatre propriétés mécaniques. Chaque évaluation d’une microstructure définissait un point dans un espace à 3 ou 4 dimensions. Les différentes évaluations finissaient par créer des nuages de points qui ont ensuite été délimités. Les points proches de la surface de ces nuages correspondent aux microstructures pour lesquelles le compromis est maximum et où il est impossible d’augmenter les performances d’une propriété sans faire baisser les performances de l’une des autres.

Reconstitution à partir d’un squelette

En partant de ces travaux préliminaires, les chercheurs ont utilisé des mesures standards pour identifier des similarités géométriques entre les différentes microstructures formant les points à la frontière du nuage. Le logiciel a réuni ensemble les microstructures à la géométrie similaire et en a tiré un squelette (une forme rudimentaire) partagé par toutes ces microstructures. Dans une deuxième étape, le programme informatique repart du squelette pour essayer de recréer la structure originelle en procédant par ajustement et ajout d’éléments autour du squelette. Le système finit par déduire une formule mathématique pour reconstruire les microstructures d’un nuage. Ensuite, les chercheurs ont utilisé des techniques d’apprentissage profond des machines (deep learning) pour déterminer des corrélations entre des valeurs spécifiques des variables de la formule et les propriétés mesurées des microstructures. L’ensemble produit un système rigoureux de transposition à double sens entre microstructures et propriétés physiques.

Comme l’ensemble des processus mis en œuvre pour aboutir à une application opérationnelle est entièrement automatisée, l’approche peut être transposée pour n’importe quelle type de propriétés dès lors que l’on dispose d’une collection de structures aux propriétés connues. Ainsi, si ces chercheurs ont testé leur outil pour produire des microstructures présentant un compromis idéal entre différentes propriétés relatives à des phénomènes d’élasticité, il est possible d’envisager des requêtes beaucoup plus complexes et des combinaisons de propriétés tant mécaniques, que thermiques, optiques ou électromagnétiques.

Par Sophie Hoguin


Pour aller plus loin