Cinq exemples suffisent à une IA pour prédire les propriétés d'un matériau ✛ ✦
Le réfrigérateur classique fonctionne avec un gaz qui réchauffe la planète. Les scientifiques cherchent une alternative : des cristaux solides capables de refroidir lorsqu'on les comprime. Mais tester des milliers de variantes en laboratoire prend du temps. C'est là qu'intervient l'apprentissage automatique : un réseau de neurones, tel un chef expérimenté, saisit une nouvelle recette en quelques exemples. On lui a montré 5 à 10 « photos » atomiques du sulfate d'ammonium — un composé d'hydrogène, d'oxygène et d'ammoniac. Il a reproduit fidèlement la façon dont les atomes se réorganisent sous l'effet de la chaleur, tandis que l'entropie (mesure du désordre) change brusquement.
Le secret de cette réussite réside dans les liaisons hydrogène, des ponts invisibles qui maintiennent les atomes. La prise en compte de cette interaction subtile dans les simulations numériques a permis de prédire avec fiabilité la température de transition, en utilisant cinq fois moins d'heures de calcul. Surprise : le sulfate d'ammonium, un engrais azoté courant, se transforme sous pression en un matériau qui refroidit.
Cette approche s'appuie sur la thermodynamique quantique, dont les bases ont été posées par Max Planck, et sur le concept d'entropie introduit par Ludwig Boltzmann. L'affinage d'un réseau de neurones existant ouvre une voie rapide vers des réfrigérateurs écologiques sans gaz nocifs.
Cinq exemples ont suffi au réseau de neurones pour comprendre quand le cristal changerait de forme — à peu près le nombre qu'il faut à un enfant pour mémoriser un nouveau mot.