L’académie DAMO d’Alibaba et un consortium international ont annoncé des avancées majeures dans la découverte de supraconducteurs grâce à l’intelligence artificielle. Un agent IA autonome a identifié quatre nouveaux matériaux supraconducteurs validés expérimentalement, tandis qu’une approche de machine learning a permis de trouver deux nouveaux supraconducteurs à structure kagome.
Les points clés à retenir
- Elements Claw : l’agent IA d’Alibaba a analysé 2,4 millions de structures cristallines en seulement 28 heures GPU et prédit 68 000 candidats supraconducteurs.
- Quatre matériaux validés : Hf21Re25, Zr4VRe7, HfZrRe4 (généré entièrement par l’IA) et Zr3ScRe8, avec une température critique maximale de 6,5 K.
- Performance du modèle : un modèle de fondation atomique d’un milliard de paramètres atteint une AUC de 0,996 pour la prédiction de la supraconductivité.
- SuperC consortium : deux nouveaux supraconducteurs kagome, YRu3B2 et LuRu3B2, découverts grâce au machine learning guidé par la physique quantique.
- Vers la supraconductivité à température ambiante : le consortium vise cet objectif ambitieux d’ici 2033.
Elements Claw, le premier agent IA dédié à la découverte de supraconducteurs
L’académie DAMO (Discovery, Adventure, Momentum, Outlook) d’Alibaba a dévoilé le 3 juillet Elements Claw, qu’elle présente comme le premier agent IA autonome pour la découverte de matériaux supraconducteurs. Développé en collaboration avec l’Université Renmin de Chine et l’Université de l’Académie chinoise des sciences, ce système repose sur une architecture « spécialisée-générale intégrée ».
Construit sur un modèle de fondation atomique d’un milliard de paramètres, pré-entraîné sur 125 millions de structures moléculaires et cristallines, Elements Claw a démontré des performances exceptionnelles : une AUC de 0,996 dans la prédiction de la supraconductivité et une erreur moyenne inférieure à 1 K dans l’estimation des températures critiques.
En seulement 28 heures de calcul sur GPU, le système a passé au crible 2,4 millions de structures cristallines et identifié 68 000 candidats potentiels. Quatre d’entre eux ont été synthétisés et confirmés comme supraconducteurs en laboratoire :
- Hf21Re25, récupéré de bases de données existantes ;
- Zr4VRe7, dont la structure cristalline avait été mal enregistrée ;
- HfZrRe4, un composé entièrement nouveau généré par l’IA ;
- Zr3ScRe8, déduit par raisonnement analogique à partir de matériaux similaires.
Rong Yu, responsable de l’intelligence scientifique chez DAMO Academy, a déclaré que ces matériaux constituent « le premier lot de supraconducteurs découverts par un agent IA et ensuite validés expérimentalement ». La base de données complète a été open-sourcée pour la communauté académique.
Le consortium SuperC et les supraconducteurs kagome
Parallèlement, le consortium SuperC, dirigé par la professeure Päivi Törmä de l’université Aalto en Finlande, a publié dans Physical Review Research les résultats d’une méthode guidée par le machine learning qui a identifié deux nouveaux supraconducteurs kagome : YRu3B2 et LuRu3B2.
Ces matériaux tirent leur supraconductivité d’électrons formant des bandes plates au sein d’un réseau kagome, un arrangement géométrique inspiré du tissage traditionnel de paniers japonais.
SuperC est la première collaboration mondiale coordonnée dédiée à la recherche de nouveaux supraconducteurs, avec l’objectif ambitieux d’atteindre la supraconductivité à température ambiante d’ici 2033. L’approche combine le machine learning pour réduire les combinaisons d’éléments prometteuses, suivi de calculs de physique quantique pour valider les candidats.
« Les nouveaux supraconducteurs peuvent désormais être trouvés beaucoup plus rapidement », a souligné Päivi Törmä.
L’IA redéfinit la science des matériaux
Ces deux percées, arrivées à quelques jours d’intervalle, illustrent un changement profond dans la recherche en science des matériaux. Traditionnellement, la découverte de supraconducteurs reposait sur l’intuition et des essais-erreurs laborieux. Désormais, les systèmes d’IA peuvent cribler des millions de candidats et orienter les chercheurs vers les options les plus prometteuses.
Ces avancées ouvrent la voie à une accélération sans précédent dans la quête de matériaux aux propriétés extraordinaires, essentiels pour des applications allant de la médecine à l’énergie en passant par le calcul quantique et les transports.
Sources
- South China Morning Post – Alibaba’s Elements Claw Finds Four New Superconductors
- EurekAlert – SuperC Consortium Discovers Kagome Superconductors
- Physical Review Research (publication du consortium SuperC)
