Accélération de la découverte de matériaux pour l'optique par l’intelligence artificielle – AI-DiscovMat

La découverte de nouveaux matériaux optiques pour la nouvelle génération de technologies est cruciale pour des raisons économiques et sociétales. En particulier, ces matériaux ont une grande importance pour la télécommunication, la médecine, et l’éclairage. Les stratégies essais-erreurs habituellement utilisées pour identifier de nouveaux matériaux sont, cependant, longues et répétitives puisque de faibles modifications des conditions expérimentales peuvent avoir des effets drastiques sur leurs propriétés. Dans ce projet, une nouvelle méthode permettant la découverte accélérée de matériaux optiques en utilisant l’intelligence artificielle sera développée. Une approche de prise de décision automatique avec une architecture de type multi-agent permettra de proposer de manière efficace les synthèses qui seront réalisées par un criblage expérimentale haut débit. Un retour d’information (succès / échec) sur les décisions prises par l’intelligence artificielle permettra à celle-ci d’améliorer ses performances. Cette itération entre décision et expérience se réalisera sans intervention humaine.
La synergie entre la collecte de données expérimentales au travers d’une plateforme robotique et l’utilisation de ces données au travers d’une série de techniques statistiques et mathématiques sera développée par une équipe interdisciplinaire constituée de chimiste, spectroscopistes et mathématiciens/statisticiens. Deux systèmes chimiques seront étudiés pour établir cette nouvelle méthodologie : les aluminosilicates et les pérovskites hybrides. Pour chacune de ces familles de composés, deux propriétés optiques importantes pour des applications diverses telles que les lasers ou l’éclairage, seront caractérisées en haut débit : la photoluminescence et la génération de seconde harmonique. L’objectif sera de développer et mettre en avant l’efficacité de cette nouvelle méthodologie basée sur l’intelligence artificielle en démontrant que cette approche est plus performante que les stratégies actuelles.