L'intelligence artificielle calcule les diagrammes de phase

Cette IA pourrait même automatiser des expériences scientifiques à l'avenir

17.05.2024
Computer-generated image

Image symbolique

Des chercheurs de l'université de Bâle ont mis au point une nouvelle méthode de calcul des diagrammes de phase des systèmes physiques qui fonctionne de manière similaire au ChatGPT. Cette intelligence artificielle pourrait même automatiser des expériences scientifiques à l'avenir.

Il y a un an et demi, ChatGPT a été lancé et depuis, il n'y a pratiquement plus rien qui ne puisse être créé avec cette nouvelle forme d'intelligence artificielle : des textes, des images, des vidéos et même de la musique. ChatGPT est basé sur ce que l'on appelle des modèles génératifs qui, à l'aide d'un algorithme complexe, peuvent créer quelque chose d'entièrement nouveau à partir d'informations connues.

Une équipe de recherche dirigée par le professeur Christoph Bruder de l'université de Bâle et des collègues du Massachusetts Institute of Technology (MIT) de Boston ont utilisé une méthode similaire pour calculer les diagrammes de phase de systèmes physiques. Ils ont récemment publié leurs résultats dans la revue scientifique Physical Review Letters.

Les diagrammes de phase sont difficiles à calculer

Les diagrammes de phase sont fondamentaux en physique. Ils décrivent les états dans lesquels un matériau peut exister - l'eau, par exemple, peut se présenter sous forme de glace, de liquide ou de vapeur. Entre ces phases, des transitions se produisent en fonction de quantités spécifiques telles que la température ou la pression. Ces transitions sont de différentes natures : par exemple, elles se produisent entre un conducteur électrique ordinaire et un supraconducteur ou entre un état non magnétique et un état ferromagnétique.

"Cependant, le calcul des diagrammes de phase est difficile et exige beaucoup de connaissances préalables et d'intuition de la part des chercheurs", explique Julian Arnold, doctorant dans le groupe de Bruder. Le problème est qu'un solide ou un liquide est constitué d'un très grand nombre de particules - atomes ou molécules. Ces particules interagissent, c'est-à-dire qu'elles s'attirent ou se repoussent ; elles forment ce que l'on appelle un système à plusieurs corps. L'état général du matériau - caractérisé par la position des particules, mais aussi par des propriétés supplémentaires, telles que l'orientation des spins, qui indiquent la direction de l'aimantation - peut prendre de nombreuses formes.

"Dans le passé, les diagrammes de phase étaient souvent calculés en classant ces états à l'aide de réseaux neuronaux", explique Bruder. Cela fonctionne à peu près comme la reconnaissance d'images, où un algorithme tente de faire la distinction entre des images de chats et de chiens. Dans ce cas, l'algorithme calcule la probabilité qu'une image particulière montre un chat ou un chien et décide en conséquence.

Plus rapide grâce aux modèles génératifs

Pour remplacer cette approche discriminative, les chercheurs de Bâle et de Boston ont mis au point une méthode générative. La différence est que dans la méthode générative, qui est similaire à ChatGPT, l'ordinateur crée un grand nombre d'états possibles du système (dans l'exemple ci-dessus, beaucoup de chats et de chiens) et décide à quelle phase un état particulier appartient.

"Nous avons montré que la méthode générative peut calculer un diagramme de phase de manière autonome et en un temps beaucoup plus court que la méthode discriminative", explique M. Arnold. Actuellement, il teste la méthode sur un modèle de trous noirs dans l'univers afin de détecter leurs transitions de phase. À l'avenir, la nouvelle technique pourrait même automatiser les laboratoires de physique : l'algorithme définirait automatiquement les paramètres de contrôle d'un appareil expérimental et calculerait immédiatement un diagramme de phase à partir des données mesurées.

Il est intéressant de noter que la méthode de calcul des diagrammes de phase inspirée de ChatGPT peut également être appliquée à des modèles tels que ChatGPT lui-même. "ChatGPT possède également une sorte de température", explique Arnold. Si cette température est très basse, l'algorithme n'est pas très créatif et ne produit que des résultats attendus. En revanche, si elle est trop élevée, le texte généré devient arbitraire et chaotique. La technique des chercheurs bâlois permet de déterminer la transition entre ces deux phases et, sur la base de cette information, de régler de manière optimale les modèles linguistiques.

Note: Cet article a été traduit à l'aide d'un système informatique sans intervention humaine. LUMITOS propose ces traductions automatiques pour présenter un plus large éventail d'actualités. Comme cet article a été traduit avec traduction automatique, il est possible qu'il contienne des erreurs de vocabulaire, de syntaxe ou de grammaire. L'article original dans Anglais peut être trouvé ici.

Publication originale

Autres actualités du département science

Actualités les plus lues

Plus actualités de nos autres portails

L'intelligence artificielle révolutionne-t-elle la chimie ?