L'appareil éclaire l'échantillon avec un faisceau infrarouge, et les molécules répondent par leur motif d'absorption — comme des clochettes de tons différents. Ce motif, le spectre, contient des informations sur la composition chimique. Mais pour le lire, le spécialiste doit généralement consulter une bibliothèque de spectres de référence, ce qui est lent et pas toujours possible.
La spectroscopie infrarouge est un outil de travail pour les chimistes, mais l'interprétation des spectres reste un goulot d'étranglement. Le nouveau modèle UltraIR apprend autrement : il parcourt d'abord 60 millions de spectres synthétiques, créés selon les lois de la physique, et apprend à les reconstruire, à comparer les empreintes moléculaires et à prédire les groupes fonctionnels. Ensuite, on l'affine sur un petit ensemble de données réelles — et il se débrouille déjà dans les tâches réelles.
Le modèle a été testé sur différentes tâches : détermination de groupes fonctionnels, élucidation de structures moléculaires, prédiction de propriétés, analyse quantitative de mélanges, classification de bactéries, détermination de l'origine géographique de plantes médicinales, reconnaissance de microplastiques et de propriétés du sol. Dans tous les cas, UltraIR s'est révélé plus précis que les méthodes classiques d'apprentissage automatique et que les réseaux de neurones spécialisés.
Le principal avantage est le transfert de connaissances. Un modèle entraîné sur un spectromètre infrarouge peut être appliqué à des données provenant d'un autre appareil ou d'un autre laboratoire sans réentraînement. Cela ouvre la voie à des analyses rapides et peu coûteuses d'échantillons complexes dans des conditions réelles.
Le spectre infrarouge d'une substance ressemble à des empreintes digitales : il n'existe pratiquement pas deux composés différents ayant le même motif.