En Vedette Nouvelles Contrôle du mouvement
La découverte autonome

Des chercheurs du laboratoire national d’Argonne du département de l’Énergie des États-Unis planchent actuellement sur la prochaine génération d’expérimentation scientifique. C’est ce qu’on appelle la « découverte autonome », une innovation qui exploite la puissance de la robotique, de l’apprentissage automatique et de l’intelligence artificielle (IA).

Au dire de l’équipe mis en place à cette fin, cette avancée servira à résoudre les grands problèmes du climat, de la santé humaine et de l’énergie plus rapidement que jamais. À titre d’exemple, voici comment pourrait fonctionner ce type de démarche.

« Supposons que vous ayez un problème comme la pollution plastique, et que vous ayez besoin d’un nouveau type de plastique plus facile à recycler ou à réutiliser. Il y a des milliers de polymères possibles qui pourraient fonctionner, et il y a des produits chimiques potentiellement nocifs impliqués dans le processus d’essai. Dans le passé, nous aurions pu avoir plusieurs chercheurs travaillant sur un banc de laboratoire pour tester un polymère à la fois. Et ce processus prendrait des années. »

Avec la découverte autonome, les chercheurs humains se tournent vers la robotique et l’IA. Ils « utilisent un processus appelé apprentissage automatique pour former l’IA avec d’énormes ensembles de données.

Cela donne à l’IA des informations sur tout ce que nous savons déjà sur le recyclage du plastique, les processus chimiques et les structures polymères potentielles. L’IA utilise ces informations pour prendre la meilleure décision sur les expériences à exécuter ensuite »

En d’autres mots, grâce à l’apprentissage automatique,« l’IA devient plus intelligente au fur et à mesure, à la recherche de nouveaux modèles et de nouvelles expériences à exécuter En fait, la découverte autonome aidera les scientifiques à trouver des solutions à des problèmes complexes en quelques jours ou semaines au lieu d’années ou de vies entières ». Une preuve, s’il en est, que « l’ingéniosité et l’imagination humaines restent au cœur de cette innovation ».

Le Center for Advanced Mathematics for Energy Research Applications (CAMERA) est un centre intégré et interdisciplinaire visant à inventer, développer et fournir les nouvelles mathématiques fondamentales nécessaires pour capitaliser sur les recherches expérimentales dans les installations scientifiques.

Dans le cadre d’un atelier sur la « Découverte autonome en science et ingénierie », l’événement « a réuni un large éventail de participants, notamment des mathématiciens, des informaticiens et des ingénieurs logiciels, ainsi qu’un grand nombre de spécialistes des applications dans des domaines tels que la science des matériaux, la physique, les sources de rayons X et de neutrons, la découverte de médicaments, l’automatisation robotique, la conception structurelle. et la fabrication additive ».

Comme le souligne le compte rendu publié dans la foulée de cet événement par l’Office of Scientific and Technical Information – OSTI (U.S. Department of Energy) : « Du point de vue de l’expérimentation et de l’équipement, la conception autonome réduira les coûts et les délais, et optimisera la façon dont les ressources sont planifiées et utilisées.

Du point de vue de la science de la découverte, la découverte autonome permettra une exploration beaucoup plus rapide des espaces de paramètres de grande dimension, et les modèles et les algorithmes d’apprentissage automatique par approximation mathématique aideront à orienter et à guider les enquêtes ciblées. »

Au nombre des objectifs de l’atelier, mentionnons la construction d’une communauté de théoriciens, de concepteurs algorithmiques, d’expérimentateurs et d’ingénieurs logiciels pour partager les développements et les avancées ainsi que l’identification de nouveaux défis et mettre en place de nouveaux efforts de co-conception.

Dans un article, publié tout récemment dans la revue Nature, sous le titre « AlphaFlow: autonomous discovery and optimization of multi-step chemistry using a self-driven fluidic lab guided by reinforcement learning », ses auteurs souligne que : « L’expérimentation autonome en boucle fermée permet une exploration accélérée et économe en matériaux de grands espaces de réaction sans nécessiter l’intervention de l’utilisateur.

Cependant, l’exploration autonome de matériaux avancés avec des processus complexes en plusieurs étapes et des environnements avec peu de données reste un défi. Dans ce travail, nous présentons AlphaFlow, un laboratoire fluidique autonome capable de découvrir de manière autonome des chimies complexes en plusieurs étapes. »

Dans « What is missing in autonomous discovery: Open challenges for the community », un article publié cette fois sur le site arXiv, les auteurs décrive « l’état actuel des laboratoires autonomes, puis [tournent leur] attention vers les obstacles, les opportunités et une vision de ce qui est possible.

[Leur travail] fournit des solutions dans les domaines de la technologie et des infrastructures, de l’intelligence artificielle et de la génération de connaissances, ainsi que de l’éducation et du développement de la main-d’œuvre. Dans un esprit de communauté, [ils estiment] que [leur] travail favorisera la discussion et de meilleures pratiques à mesure » que se développe les travaux en découverte autonome.

Force donc de constater que voici un autre domaine de savoir qui ouvrira de nouveaux horizons et qui donnera lieu à des avancées scientifiques que l’on peut d’ores et déjà qualifier d’étonnantes.
https://www.anl.gov
https://www.osti.gov
https://www.nature.com
https://arxiv.org
https://www.nature.com