Nouvelle technique d'IA : identifier les matériaux grâce à des "empreintes" uniques

ParisDes scientifiques ont mis au point une nouvelle méthode utilisant l'intelligence artificielle (IA) et la spectroscopie de corrélation de photons X (XPCS) pour identifier de manière unique les matériaux. Cette technique permet aux chercheurs d'observer comment les matériaux évoluent avec le temps lorsqu'ils sont soumis à des contraintes ou à des relaxations.

Des chercheurs du Laboratoire National d'Argonne ont utilisé le XPCS conjointement avec un algorithme d'apprentissage non supervisé. L'intelligence artificielle a réussi à identifier des motifs dans les données de rayons X que les humains trouvent difficilement compréhensibles. Les points clés de cette étude sont les suivants :

• Utilisation des réseaux neuronaux pour analyser les données radiographiques
• Création de "signatures" matérielles ou de représentations latentes
• Cartographie de ces signatures pour comprendre l'évolution des matériaux
• Application des autoencodeurs pour convertir et décoder les données de signatures

L'algorithme, un type d'IA qui fonctionne sans supervision, apprend à détecter des motifs cachés dans les résultats de radiographies. Il résume ensuite ces énormes quantités de données complexes de manière compréhensible. Ces résumés contiennent des informations cruciales sur l'échantillon.

James (Jay) Horwath, chercheur postdoctoral à Argonne, a expliqué pourquoi cette méthode est essentielle. Il a affirmé que les motifs observés lors des expériences sont si complexes que même les experts ont besoin de l'aide de l'IA pour les comprendre. En simplifiant les données, les scientifiques peuvent décrypter le comportement complet d'un matériau.

Lisez aussi:

Aujourd'hui · 12:41

La transition difficile d'OpenAI vers une entité à but lucratif

Le projet AI-NERD utilise des autoencodeurs pour créer des motifs uniques à partir d'images. Un autoencodeur transforme d'abord l'image originale en une version simplifiée. Ensuite, un décodeur utilise cette version simplifiée pour recréer l'image complète. En regroupant des motifs similaires, les chercheurs ont élaboré un guide pour étudier comment les matériaux changent sous différentes conditions.

Le centre Advanced Photon Source (APS) produira des faisceaux X qui seront 500 fois plus lumineux qu'auparavant. Cette augmentation des données nécessitera l'usage de l'IA pour une analyse efficace. Les groupes de théoriciens et de chercheurs en informatique d'Argonne ont collaboré sur des simulations moléculaires de la dynamique des polymères, lesquelles serviront à former des systèmes d'IA tels qu'AI-NERD.

Les auteurs de l'étude sont James Horwath, Xiao-Min Lin, Hongrui He, Qingteng Zhang, Eric Dufresne, Miaoqi Chu, Subramanian Sankaranaryanan, Wei Chen, Suresh Narayanan et Mathew Cherukara. Certains de ces chercheurs collaborent également avec l'Université de Chicago et l'Université de l'Illinois à Chicago.

Cette avancée est cruciale. Elle facilitera la recherche future grâce à des données plus détaillées obtenues à partir de machines à rayons X améliorées. L'IA peut trier et organiser rapidement les images radiographiques en motifs utiles, marquant une amélioration significative dans la science des matériaux. Cette méthode permet des études plus précises sur le comportement des matériaux sous différentes conditions, ce qui pourrait être bénéfique dans de nombreux domaines.