Microsoft découvre un nouveau matériau pour batterie grâce à l’IA

Avec l’aide de l’informatique dans le nuage et de l’intelligence artificielles (IA), Microsoft, en collaboration avec un institut de recherche, a découvert en un temps record des matériaux susceptibles d’être utilisés dans une nouvelle génération de technologie de batterie.

Microsoft et PNNL (Pacific Northwest National Laboratory, un institut de recherche du département américain de l’énergie dans l’état de Washington) affirment qu’avec l’aide de l’IA, ils ont découvert un nouvel électrolyte à l’état solide et ce, en quelques semaines seulement. A terme, cela pourrait constituer la base d’un nouveau type de batterie se prêtant moins à la combustion, et nécessitant en outre moins de lithium que les batteries lithium-ion actuelles.

Ce qui rend la découverte encore plus impressionnante, c’est qu’il s’agit d’une recherche exploitant l’IA, ce qui permet de déterminer les compositions potentiellement correctes en quelques semaines seulement plutôt qu’en quelques années.

Concrètement, il est ici question d’étude des matériaux: chaque matière première possible a des propriétés lui permettant de réagir dans certaines conditions ou en combinaison avec d’autres matériaux. Cette recherche est généralement très complexe et longue, avec un risque élevé que cela ne débouche sur rien. Or l’IA est précisément en train d’accélérer le processus.

Microsoft utilise Azure Quantum Elements (AQE), une plate-forme cloud spécialement conçue pour la chimie et l’études de matériaux, qui combine le ‘high performance computing’ et l’IA. De cette façon, différentes propriétés des matériaux sont testées et combinées virtuellement.

De 32 millions à 18

Dans un premier temps, cela a abouti à 32 millions de candidats potentiels, après quoi PNNL a recherché les exemplaires stables avec des filtres d’IA supplémentaires, pour en arriver quand même encore à 500.000 possibilités. Microsoft et PNNL ont découvert que l’IA pouvait certes fonctionner rapidement, mais manquait pas mal de précision. Grâce au ‘high performance computing’, un plus petit ensemble de candidats potentiels a pu être mieux distillé.

Ce processus a été répété plusieurs fois pour filtrer entre autres la réactivité, la conductivité, etc. La sélection est ainsi passée à 800, puis à 150 et enfin à 23 possibilités réalisables. Sur ces 23, 5 étaient déjà connues, ce qui donna à l’institut de recherche 18 nouvelles pistes.

Après cela, les scientifiques du PNNL ont réduit ce nombre à six candidats spécifiquement adaptés à la technologie des batteries, car les outils de Microsoft se concentrent principalement sur la chimie. Actuellement, les matériaux ont été synthétisés et seront soumis à des tests en laboratoire, un processus de fabrication hautement manuel qui consiste à concevoir des batteries de différentes formes.

D’années en semaines

Dans ces nouvelles batteries, on utilisera à la fois du lithium et du sodium (natrium, l’un des composants du sel) et d’autres éléments. Mais il pourrait en résulter qu’une batterie contienne jusqu’à 70 pour cent de lithium en moins.

Au total, Azure Quantum Elements a consacré quatre-vingts heures à cette recherche, alors que l’ensemble du projet a pris plusieurs semaines. Sans l’intelligence artificielle (IA), cela aurait représenté un travail de plusieurs années. L’entreprise signale également qu’il s’agit là d’un signe avant-coureur de ce qui pourrait être possible avec l’informatique quantique.

Pas encore à grande échelle 

Les chercheurs font cependant valoir la nuance, selon laquelle il n’y a pas encore eu de test à grande échelle. Or cela constitue souvent un obstacle: il peut en effet s’écouler plusieurs années entre la découverte et la mise à disposition généralisée d’un produit, avec de nombreux facteurs de risque à la clé.

En 2016, Data News se demandait encore où en était la soi-disant super batterie’ des années après ce genre d’annonces scientifiques. L’une des explications est qu’une découverte en laboratoire n’est pas nécessairement intéressante sur le plan commercial, ou que certaines découvertes sont tout simplement difficiles à transformer en un produit susceptible d’être utilisé dans le monde entier.

Ces risques ne sont pas complètement éliminés avec l’IA, mais cette dernière rend néanmoins la recherche de découvertes potentiellement révolutionnaires beaucoup plus rapide, ce qui ne fait qu’accroître les chances de nouvelles innovations.