L’IA prédit les propriétés structurelles des métamatériaux dans une nouvelle étude

Les chercheurs veulent utiliser l’intelligence artificielle pour concevoir à terme de nouveaux métamatériaux complexes basés sur la prévisibilité de l’apprentissage automatique.

Deux métamatériaux mécaniques combinatoires qui forment les lettres M et L à l’avant. UvA/Physical Review Letters

Les chercheurs ont utilisé l’intelligence artificielle pour prédire certaines propriétés des métamatériaux mécaniques combinatoires.

L’exemple de problème combinatoire donné était de déterminer quel côté d’un origami pouvait être aplati sans être endommagé. Un problème combinatoire est un algorithme lié à un nombre donné d’éléments.

Utilisation de l’apprentissage automatique pour découvrir les propriétés des métamatériaux

La nouvelle étude a été menée par l’Institut de physique de l’UvA et l’institut de recherche AMOLF. Elle a été publiée dans la revue Physical Review Letters.

Les métamatériaux sont des matériaux qui n’existent pas dans la nature et dont les propriétés résultent d’une structure artificielle plutôt que de la composition chimique. Les recherches menées par l’UvA et l’AMOLF ont montré que les algorithmes d’apprentissage automatique peuvent répondre avec précision à des questions, telles que le problème combinatoire de l’origami. L’équipe a testé dans quelle mesure l’intelligence artificielle pouvait prédire les propriétés de certains métamatériaux.

Les matériaux mécaniques combinatoires sont des matériaux d’ingénierie. L’origami mentionné est considéré comme un type de métamatériau dont la capacité à être aplati est déterminée par la façon dont il est plié, ou sa structure, plutôt que par le matériau avec lequel il a été fabriqué.

Les chercheurs ont également mentionné qu’une conception intelligente leur permet de contrôler où et comment un métamatériau se pliera, ce qui lui permet d’être utilisé pour une variété de choses, allant des “amortisseurs de chocs au déploiement de panneaux solaires sur un satellite dans l’espace”.

Les éléments constitutifs du métamatériau

Dans l’étude, les chercheurs ont étudié un morceau typique de métamatériau combinatoire construit avec deux blocs de construction ou plus, qui s’effondrent lorsqu’une quantité spécifique de force est appliquée. Pour que tous les blocs de construction se déforment et ne se bloquent pas ou ne restent pas coincés lorsqu’une pression est appliquée, les blocs de construction déformés doivent s’assembler comme des pièces de puzzle. La modification d’un seul bloc du métamatériau peut rendre le métamatériau pliable inflexible et solide.

Bien que le métamatériau puisse être appliqué et utilisé de diverses manières, la conception d’un nouveau métamatériau s’avère difficile pour l’équipe de recherche. Créer les propriétés du métamatériau pour différentes structures se résume à des essais et des erreurs. “À notre époque, nous ne voulons pas faire tout cela à la main.”

“Toutefois, comme les propriétés des métamatériaux combinatoires sont très sensibles aux changements apportés aux différents éléments constitutifs, les méthodes statistiques et numériques classiques sont lentes et sujettes à des erreurs”, ont déclaré les chercheurs.

Les réseaux neuronaux prédisent avec précision

Grâce au concept d’essais et d’erreurs, les chercheurs ont découvert que l’apprentissage automatique pouvait être précis et efficace. Ils ont découvert que les réseaux neuronaux pouvaient prédire avec précision les propriétés métamatérielles de n’importe quel motif ou structure, avec beaucoup de détails et d’exactitude. L’apprentissage automatique était capable d’apprendre les complexités des propriétés métamatérielles.

“Cela a largement dépassé nos attentes”, a déclaré le Dr Ryan van Mastrigt, premier auteur de l’étude. “L’exactitude des prédictions nous montre que les réseaux neuronaux ont réellement appris les règles mathématiques qui sous-tendent les propriétés métamatérielles, même si nous ne connaissons pas toutes les règles nous-mêmes.”

Cette découverte suggère que l’intelligence artificielle pourrait être utilisée pour concevoir à l’avenir de nouveaux métamatériaux complexes aux propriétés adaptées. Dans l’étude, les chercheurs ont également déclaré que les résultats pourraient améliorer la compréhension des réseaux neuronaux et démontrer les problèmes qu’ils peuvent résoudre.

Lire aussi : Une IA vient peut-être d’inventer la physique « alternative »

Source : Interesting Engineering – Traduit par Anguille sous roche