« La technologie du machine learning a permis de trouver des alliages de différents matériaux qui présentent de meilleures caractéristiques que ceux utilisés jusqu’à présent »
Le machine learning a ouvert une nouvelle voie pour découvrir de nouvelles compositions d’éléments
La section technologique d’El País a reçu Jon Mikel Sánchez, expert de la plateforme Alliages, produits et circularité métallique. Notre chercheur a consacré sa thèse de doctorat aux alliages à haute entropie. Dans l’article publié dans El País, il souligne que « l’application de l’intelligence artificielle pour découvrir de nouveaux alliages est quelque chose d’assez nouveau. Découvrir de nouveaux matériaux grâce à ces méthodes est un progrès significatif ».
Traditionnellement, un alliage est essentiellement le mélange d’un métal parent et de petites concentrations d’autres éléments du tableau périodique. Le machine learning a ouvert une nouvelle voie pour découvrir de nouvelles compositions de dizaines d’éléments et leurs différentes concentrations. Cela a constitué une véritable révolution pour le développement des alliages à haute entropie.
Nouveaux alliages à haute entropie
Les machines ont découvert plusieurs alliages qui égalent, voire dépassent, ceux créés par les humains concernant certaines de leurs propriétés. En traçant des millions de combinaisons entre les différents éléments du tableau périodique, elles ont réussi à trouver environ 1 000 candidats possédant les propriétés qui les intéressaient, puis elles les ont analysés pour trouver ceux qui auraient théoriquement un faible coefficient d’expansion thermique (la dilatation ou la contraction du matériau avec l’action du froid ou de la chaleur).
Comme il a été publié dans la revue Science, un groupe de chercheurs a découvert quatre nouveaux alliages avec un coefficient égal ou inférieur aux combinaisons les plus immunes à la température utilisées jusqu’à présent, grâce au calcul et à l’analyse des machines. Après avoir démontré sa performance avec l’expansion thermique, les scientifiques ont l’intention d’utiliser le machine learning pour étudier d’autres propriétés, comme le magnétisme, sur d’autres matériaux.
