Une nouvelle méthode d'étude des catalyseurs pourrait déboucher sur de meilleures batteries
Un nouvel algorithme ouvre la voie à l'utilisation de l'intelligence artificielle et de l'apprentissage automatique pour étudier les interactions qui se produisent à la surface des matériaux
Les scientifiques et les ingénieurs étudient les interactions atomiques qui se produisent à la surface des matériaux afin de mettre au point des batteries, des condensateurs et d'autres dispositifs plus efficaces sur le plan énergétique. Mais la simulation précise de ces interactions fondamentales nécessite une immense puissance de calcul pour saisir pleinement les complexités géométriques et chimiques en jeu, et les méthodes actuelles ne font qu'effleurer la surface.
"Actuellement, le coût est prohibitif et il n'existe aucun superordinateur au monde capable d'effectuer une telle analyse", explique Siddharth Deshpande, professeur adjoint au département d'ingénierie chimique de l'université de Rochester. "Nous avons besoin de méthodes intelligentes pour gérer ce grand ensemble de données, utiliser l'intuition pour comprendre les interactions les plus importantes sur la surface et appliquer des méthodes basées sur les données pour réduire l'espace d'échantillonnage.
En évaluant la similarité structurelle de différentes structures atomiques, Deshpande et ses étudiants ont découvert qu'ils pouvaient obtenir une image précise des processus chimiques impliqués et tirer des conclusions pertinentes en analysant seulement deux pour cent ou moins des configurations uniques des interactions de surface. Ils ont mis au point un algorithme reflétant cette intuition, qu'ils ont décrit dans une étude publiée dans Chemical Science.
Dans cette étude, les auteurs ont utilisé l'algorithme pour analyser, pour la première fois, les subtilités d'une surface métallique défectueuse et la manière dont elle affecte la réaction d'oxydation du monoxyde de carbone, ce qui peut, à son tour, aider à comprendre les pertes d'énergie dans une pile à combustible à l'alcool. M. Deshpande explique que l'algorithme qu'ils ont mis au point suralimente la théorie de la fonctionnelle de la densité, une méthode de modélisation mécanique quantique computationnelle qu'il qualifie de "cheval de bataille" des dernières décennies pour l'étude de la structure des matériaux.
"Cette nouvelle méthode sert de base à l'intégration de l'apprentissage automatique et de l'intelligence artificielle", explique M. Deshpande. "Nous voulons l'appliquer à des applications plus difficiles, comme la compréhension des interférences entre les électrodes et l'électrolyte dans les batteries, les interactions solvant-surface pour la catalyse et les matériaux multicomposants tels que les alliages.
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
