L’IA pourrait accélérer la formation des lois matérielles

May 22, 2024

Depuis des centaines d’années, les scientifiques et les ingénieurs s’appuient sur des formules analytiques pour codifier d’importantes lois sur les matériaux. Par exemple, la loi de Hooke définit les propriétés élastiques d'un matériau et la loi d'Ohm calcule la relation entre la tension, le courant et la résistance dans un circuit électrique.

Mais les lois matérielles sont aujourd’hui bien plus compliquées. Voici un exemple tiré des recherches du professeur adjoint Pu Zhang de l'Université de Binghamton : la conductivité électrique d'un matériau conducteur souple, un composant important de l'électronique douce, est généralement cartographiée sous la forme d'une fonction tensorielle dans un espace à 12 dimensions.

Reconnaître ces modèles et les décomposer en formules mathématiques simples à utiliser peut prendre des années, voire des décennies, d'expérimentation et de dérivation, même pour les scientifiques et ingénieurs les plus qualifiés.

Zhang, membre du corps professoral du département de génie mécanique du Thomas J. Watson College of Engineering and Applied Science, souhaite accélérer le processus de découverte des lois sur les matériaux grâce à l'intelligence artificielle, et une récente subvention de 294 992 $ de la National Science Foundation financera ses recherches.

Grâce au lancement de ChatGPT l’automne dernier, les promesses et les pièges des systèmes d’IA sont devenus monnaie courante dans la culture. L’IA n’a cependant rien de nouveau : les chercheurs perfectionnent et améliorent la technologie depuis les années 1950.

Au cours des dernières années, Zhang a étudié les propriétés conductrices des matériaux métalliques liquides. En 2022, il a reçu un NSF CAREER Award pour explorer ses idées sur les réseaux de métaux liquides dans l'électronique douce qui peuvent se plier ou s'étirer sans se casser.

Il collaborera avec le professeur adjoint Lin Cheng du Worcester Polytechnic Institute dans le Massachusetts pour développer une nouvelle technique d'IA permettant de générer des lois analytiques sur les matériaux.

"Si nous disposons de données brutes sur la façon dont les propriétés physiques d'un matériau changent au cours de la déformation, notre objectif est de trouver les formules mathématiques spécifiques des lois des matériaux", a déclaré Zhang. « Il fallait des années pour élaborer une nouvelle loi. Maintenant, avec ces algorithmes d’IA, peut-être qu’en une journée, vous pourrez découvrir beaucoup de choses. Cela va révolutionner tout le domaine.

Pour trouver une nouvelle voie, Zhang et Cheng se tourneront vers l'IA symbolique, qui interprète et génère des équations au lieu de mots comme le fait ChatGPT.

"Les gens ont développé des plugins que vous pouvez ajouter à ChatGPT pour interpréter des équations mathématiques simples, principalement du niveau K à 12", a déclaré Zhang. "Pour la recherche universitaire, nous avons besoin de mathématiques très avancées au niveau des études supérieures, et c'est toujours quelque chose que ChatGPT - même les modules complémentaires - ne peut pas faire."

Les chercheurs espèrent également faire la lumière sur le fonctionnement opaque de l’IA, qui rend les résultats difficiles à ajuster et à interpréter.

"Ces dernières années, l'IA et la modélisation basée sur les données ont été une approche dominante", a déclaré Zhang. « Ils forment un énorme réseau neuronal qui ressemble à une boîte noire : vous entrez des données, vous obtenez des données de sortie, c'est tout. Personne ne sait ce qui se passe réellement dans la boîte noire. C'est très difficile à utiliser car vous téléchargez un code et non une formule mathématique que vous pouvez utiliser directement.

Autre problème récurrent avec les algorithmes d’IA : ils proposent parfois des réponses plausibles qui sont complètement fausses – un phénomène que les programmeurs informatiques appellent « hallucinations ». Par exemple, il peut résumer de manière incorrecte un livre qu’un auteur n’a jamais écrit ou citer des précédents juridiques qui n’ont jamais réellement eu lieu.

Même s’il est clair que toutes les formules devront être vérifiées par l’expérimentation, Zhang espère que les « hallucinations » et autres résultats troublants pourront être évités.

"L'un des avantages de notre technique d'IA symbolique est que nous disposons d'une base mathématique solide, qui ajoutera automatiquement toutes les contraintes physiques aux lois matérielles", a-t-il déclaré. "Au moins, ce ne sera pas trop faux et cela aidera l'algorithme à trouver les bonnes fonctions."

Zhang et Cheng ont soumis leur proposition à la NSF avant que l'organisation à but non lucratif OpenAI ne lance ChatGPT, mais c'est désormais un sujet brûlant pour les chercheurs, les étudiants et l'industrie technologique. Bien qu’ils développent leur logiciel pour résoudre des problèmes de science des matériaux, les principes pourraient être appliqués à de nombreux projets différents visant à rechercher des formules analytiques à partir de données brutes.