Pourquoi la découverte des matériaux est-elle devenue soudainement intéressante ?
Derrière chaque nouvel appareil révolutionnaire se cache généralement une avancée majeure dans le domaine des matériaux. Pensons aux centres de données refroidis par liquide qui ne surchauffent pas, aux écrans OLED flexibles ou aux batteries à l'autonomie d'une journée entière. Pour bâtir cet avenir, les scientifiques ont besoin de nouveaux produits chimiques et matériaux plus performants, plus durables et plus économes en énergie.
Le problème, c'est que la découverte de ces matériaux par les méthodes traditionnelles est lente et coûteuse. On mélange et on teste en laboratoire, on ajuste quelques variables et on croise les doigts. Désormais, NVIDIA utilise le calcul accéléré et l'IA pour révolutionner ce processus. Au lieu de tester quelques pistes en laboratoire, les chercheurs peuvent simuler virtuellement des millions, voire des milliards d'options, et ne retenir que les meilleures pour les expériences réelles.
Lors de la conférence SC25 à Saint-Louis, NVIDIA a démontré comment ses nouveaux pipelines de traitement de données et ses microservices d'IA révolutionnent la chimie et la science des matériaux. Deux plateformes clés ont été mises en avant :
- NVIDIA Holoscan pour les données de capteurs et d'imagerie en temps réel
- NVIDIA ALCHEMI avec microservices NIM pour les simulations de chimie et de matériaux
Trois acteurs très différents exploitent déjà cette technologie : le Laboratoire national de Brookhaven, le géant de l’énergie ENEOS et le pionnier de l’OLED Universal Display Corporation. Ensemble, ils démontrent comment les GPU et l’IA deviennent des outils essentiels pour la découverte de matériaux modernes.
Observer à l'échelle nanométrique en temps réel
Le Laboratoire national de Brookhaven exploite la Source nationale de lumière synchrotron II, l'une des installations de rayons X les plus avancées au monde. Elle utilise de puissantes lignes de faisceau de rayons X pour sonder la structure de matériaux tels que les batteries, la microélectronique et les systèmes de nanoparticules avec une résolution extrêmement élevée, jusqu'à quelques nanomètres.
Chaque expérience génère un flux massif de données. Auparavant, les chercheurs devaient attendre la fin des analyses complètes, puis effectuer des traitements complexes avant de pouvoir obtenir des résultats exploitables. Il en résultait des cycles de rétroaction lents et une utilisation moins efficace d'instruments très coûteux.
En intégrant NVIDIA Holoscan à leur chaîne de traitement, l'équipe de Brookhaven peut désormais traiter les données en flux continu directement depuis les capteurs. Il en résulte un retour d'information quasi instantané pendant l'expérience, et non plus après.
Cela est important pour plusieurs raisons :
- Les scientifiques peuvent repérer des régions intéressantes à la volée et zoomer immédiatement.
- Ils peuvent observer l'évolution des propriétés pendant une mesure au lieu de faire des suppositions a posteriori.
- Ils peuvent réaliser davantage d'expériences dans le même temps de faisceau, ce qui réduit les coûts et augmente le débit.
Le responsable de l'ingénierie des données du centre souligne que cette efficacité n'est pas seulement pratique. Elle leur permet de prendre en charge davantage d'utilisateurs et de mener plus de recherches scientifiques. Ils entrevoient également la possibilité d'un fonctionnement assisté par l'IA, où des modèles contribueraient à déterminer les prochaines analyses à effectuer et même à réaliser des expériences autonomes.
En d'autres termes, Holoscan transforme une caméra scientifique massive en un système de capteurs fonctionnant en temps réel et doté d'une intelligence artificielle, permettant aux chercheurs d'itérer comme des développeurs de logiciels.
Recherche de millions de candidats pour une meilleure énergie et un meilleur refroidissement
L'entreprise japonaise ENEOS travaille sur des problématiques énergétiques à grande échelle. Deux de ses principaux objectifs sont les liquides de refroidissement par immersion de nouvelle génération pour les centres de données et les catalyseurs plus performants pour des procédés tels que la production d'hydrogène.
Ces deux problèmes impliquent l'exploration de vastes espaces de recherche chimique. Il s'agit de trouver des liquides capables d'évacuer la chaleur des baies de serveurs en toute sécurité, ainsi que des catalyseurs qui rendent les réactions de conversion d'énergie efficaces et pratiques. Tester les candidats un par un en laboratoire est pratiquement impossible à l'échelle requise.
Grâce aux microservices NVIDIA ALCHEMI NIM, ENEOS peut exécuter des recherches de conformères accélérées par GPU et des simulations de dynamique moléculaire dans le cloud. En clair, cela signifie qu'ils peuvent rapidement :
- Générer des formes 3D plausibles de molécules
- Simulez la façon dont ces molécules se déplacent et interagissent au niveau atomique.
Ces simulations permettent de présélectionner virtuellement un très grand nombre de molécules. Seules les plus prometteuses font l'objet d'expériences physiques. Il en résulte une accélération considérable de la recherche et une réduction des coûts de développement.
Grâce à ALCHEMI, ENEOS a pu tester en quelques semaines environ 10 millions de liquides candidats pour le refroidissement par immersion et 100 millions de matériaux candidats pour les réactions d'oxydation de l'eau. Cela représente une augmentation d'au moins dix fois par rapport à leurs capacités précédentes.
L'équipe affirme n'avoir jamais envisagé d'effectuer des recherches à une échelle de 10 à 100 millions. Grâce aux nouveaux outils, les calculs sont suffisamment rapides pour que les scientifiques puissent consacrer leur temps à l'analyse et à la conception au lieu d'attendre la fin des opérations.
Concevoir la prochaine génération d'écrans OLED
Universal Display Corporation est à l'origine de nombreux matériaux OLED utilisés dans les téléphones, les téléviseurs, les ordinateurs portables, les voitures et les casques de réalité étendue. Le défi est de taille : le nombre de molécules possibles pour les matériaux OLED est estimé à environ 10 puissance 100. C'est dans cet espace astronomique qu'il existe des combinaisons susceptibles de donner naissance à des écrans plus lumineux, plus efficaces et plus colorés.
Historiquement, l'UDC utilisait des grappes de processeurs classiques pour ses simulations, ce qui limitait l'étendue de ses recherches. Les chercheurs devaient donc s'appuyer fortement sur leur intuition pour choisir des domaines précis de la chimie à étudier.
UDC utilise désormais les microservices NVIDIA ALCHEMI NIM pour exécuter des recherches de conformères et des dynamiques moléculaires accélérées par l'IA, optimisées par les GPU. Cela leur permet de :
- Évaluer des milliards de molécules OLED candidates beaucoup plus rapidement, dans certains cas jusqu'à 10 000 fois plus rapidement que les méthodes de sélection initiale plus anciennes.
- Exécutez des simulations dynamiques détaillées des composés les plus prometteurs jusqu'à 10 fois plus rapidement par exécution.
- Répartissez les charges de travail sur plusieurs GPU et réduisez les temps de simulation de plusieurs jours à quelques secondes.
L'entreprise applique cette technologie à des projets ambitieux tels que les OLED phosphorescentes bleues, qui pourraient permettre de réaliser d'importantes économies d'énergie et d'allonger l'autonomie des batteries des appareils grand public.
La direction de l'UDC décrit cet impact comme une transformation de la façon de penser des scientifiques. Libérés des contraintes de capacité et de débit, les chercheurs peuvent se montrer plus créatifs et exploratoires. Ils obtiennent un retour immédiat sur leurs nouvelles idées au lieu de longues files d'attente, ce qui accélère le rythme des découvertes.
Tout ceci repose sur l'écosystème CUDA X de NVIDIA, qui comprend désormais plus de 150 bibliothèques et frameworks destinés aux charges de travail scientifiques et d'ingénierie réelles. Pour la découverte de matériaux, NVIDIA ALCHEMI et Holoscan s'imposent rapidement comme des outils essentiels en laboratoire, permettant aux chercheurs d'aborder les problèmes de chimie et de physique avec la même approche itérative rapide que celle utilisée quotidiennement par les développeurs de jeux et de logiciels.
Article et image originaux : https://blogs.nvidia.com/blog/ai-science-materials-discovery-sc25/
