Les programmes d’apprentissage automatique ont ouvert la voie à plusieurs frontières de la recherche et du développement. Ces programmes fonctionnent de la même manière que les humains, en apprenant de nouvelles techniques et compétences par des méthodes d’essai et d’erreur. Le processus implique des répétitions et un apprentissage par réinformation, où la bonne partie est sélectionnée pour une utilisation future et les mauvais résultats sont évités. Sur la base de l’apprentissage par renforcement, des scientifiques du laboratoire national Argonne du ministère américain de l’énergie (DOE) ont mis au point un algorithme qui aidera à modéliser les propriétés des matériaux au niveau atomique et moléculaire.
Dans un article publié en janvier 2022 dans Nature Communications, des scientifiques du Center for Nanoscale Materials du DOE d’Argonne ont présenté le développement d’un algorithme d’apprentissage par renforcement qui peut aider à accélérer le processus de découverte de matériaux. Grâce à l’algorithme d’apprentissage automatique, l’équipe vise à réduire le temps de découverte tout en produisant des données de meilleure qualité.
“Notre inspiration était AlphaGo”, a déclaré Sukriti Manna, assistant de recherche au Centre des matériaux à l’échelle nanométrique (CNM) d’Argonne, ajoutant : “C’est le premier programme informatique à avoir battu un champion du monde de Go.”
Pour tester l’algorithme, l’équipe a fait des expériences avec 54 éléments du tableau périodique. L’algorithme a appris le calcul des champs de force des amas de taille nanométrique pour chaque élément, et a fait une démonstration réussie en un temps record. Les calculs expérimentaux ont également été répétés sur des alliages de deux éléments. La complexité de ces nano-amas rend difficile pour les scientifiques l’utilisation des méthodes traditionnelles pour les modéliser avec précision.
“Cela revient à effectuer les calculs de plusieurs thèses de doctorat en quelques jours chacun, au lieu de plusieurs années”, a déclaré Rohit Batra, un expert du CNM en matière d’outils d’apprentissage automatique et de données. Troy Loeffler, chimiste théoricien et informaticien au CNM, estime que cet algorithme devrait aider les chercheurs à relever de grands défis dans de nombreux domaines de la science des matériaux.
Auparavant, de nombreux algorithmes basés sur l’intelligence artificielle et utilisant l’apprentissage par renforcement ont été conçus. Ces algorithmes permettent de jouer à des jeux comme les échecs et le Go, d’automatiser la synthèse chimique et sont même utilisés pour la découverte de médicaments.
Pour les dernières nouvelles et critiques technologiques, suivez Gadgets 360 sur Twitter, Facebook, et Google News. Pour les dernières vidéos sur les gadgets et la technologie, abonnez-vous à notre chaîne YouTube.
Sophos : 78 % des organisations indiennes ont été confrontées à des attaques de ransomware l’année dernière.
