Auteur : news.admin.ch Source : news.admin.ch
Résumé
Des chercheurs de l'Institut Paul Scherrer PSI ont développé un modèle d'IA appelé XtalPaint, qui reconstruit les positions manquantes des atomes d'hydrogène dans les structures cristallines. L'équipe dirigée par Giovanni Pizzi a entraîné l'intelligence artificielle sur la base du modèle MatterGen de Microsoft pour résoudre un problème central de la science des matériaux : les atomes d'hydrogène sont difficiles à détecter expérimentalement et manquent donc souvent dans les bases de données de matériaux. La nouvelle méthode atteint un taux de réussite de 97 pour cent et permet des simulations informatiques plus précises des propriétés des matériaux pour des applications telles que le stockage de l'hydrogène et le développement de batteries.
Personnes
- Giovanni Pizzi (Chef de l'équipe de recherche, Centre de calcul scientifique du PSI)
- Timo Reents (Doctorant, PSI)
Sujets
- Intelligence artificielle dans la recherche sur les matériaux
- Analyse de la structure cristalline
- Stockage de l'hydrogène
- Développement de batteries
- Simulations informatiques
Lead Clarus
Le développement de XtalPaint comble une lacune critique dans la recherche moderne sur les matériaux : bien que les bases de données contiennent des milliers de matériaux potentiellement intéressants, beaucoup d'entre eux restent inaccessibles aux simulations informatiques car les positions de l'hydrogène manquent ou sont imprécises. En transférant les techniques d'inpainting établies de la vision par ordinateur à la cristallographie, l'équipe du PSI permet pour la première fois une reconstruction systématique de ces informations structurales critiques – avec des conséquences directes pour le développement des technologies de stockage d'énergie et de la recherche sur les supraconducteurs.
Résumé détaillé
Le problème central réside dans la méthodologie de mesure expérimentale : les méthodes traditionnelles de diffusion des rayons X déterminent les positions atomiques par réfraction des rayons, mais ne captent l'hydrogène que de manière insuffisante. Cela entraîne des lacunes ou des imprécisions dans les bases de données structurales – un obstacle aux simulations informatiques des propriétés des matériaux telles que la conductivité électrique ou thermique. Giovanni Pizzi estime que plusieurs milliers de matériaux potentiellement pertinents ne peuvent donc pas être simulés.
Le modèle XtalPaint transfère un concept établi du traitement d'images : les modèles de diffusion, qui complètent les informations d'image manquantes lors du soi-disant inpainting (par exemple, une patte de chien cachée). L'étape innovante réside dans l'introduction sélective du bruit – seules les positions atomiques inconnues sont superposées à des informations aléatoires, tandis que les structures connues restent inchangées. Cela augmente considérablement à la fois le taux de réussite et l'efficacité de calcul.
Dans les tests de validation, les chercheurs ont intentionnellement supprimé les positions d'hydrogène connues et ont laissé XtalPaint les reconstruire : dans 87 pour cent des cas, les positions d'origine ont été correctement identifiées, dans 10 pour cent supplémentaires, le modèle a trouvé des configurations énergétiquement plus stables – au total un taux de réussite de 97 pour cent. L'équipe prévoit de compléter ainsi les entrées de bases de données et a déjà détecté des erreurs dans les bases de données existantes. La méthode n'est pas limitée à l'hydrogène ; elle peut également être appliquée au lithium et au sodium, des éléments centraux pour le développement de nouvelles batteries.
Déclarations clés
- XtalPaint reconstruit les positions manquantes de l'hydrogène dans les structures cristallines avec un taux de réussite de 97 pour cent
- La méthode transfère les techniques d'inpainting IA établies du traitement d'images aux sciences des matériaux
- L'introduction sélective du bruit (positions atomiques inconnues uniquement) augmente l'efficacité et la précision
- Potentiels d'application : stockage de l'hydrogène, développement de batteries, recherche sur les supraconducteurs
- Permet l'utilisation de milliers de matériaux précédemment inaccessibles pour les simulations informatiques
Questions critiques
Méthode de validation (Preuve) : Dans quelle mesure l'ensemble de données de test sur lequel XtalPaint a été validé est-il représentatif ? Des structures cristallines de différentes classes de matériaux et degrés de complexité ont-elles été testées, ou la validation s'est-elle concentrée sur des groupes de substances spécifiques ?
Généralisabilité (Qualité des données) : Le taux de réussite de 97 pour cent est basé sur des positions d'hydrogène supprimées artificiellement. Comment XtalPaint fonctionne-t-il avec des entrées de base de données réelles, expérimentalement manquantes ou erronées, qui pourraient suivre des modèles différents ?
Données d'entraînement et biais (Conflits d'intérêts) : Sur quels ensembles de données XtalPaint a-t-il été entraîné ? Existe-t-il un risque que le modèle perpétue les erreurs systématiques des données d'entraînement ou favorise les types de structures fréquemment rencontrées par rapport aux matériaux rares ?
Stabilité énergétique (Causalité) : Dans 10 pour cent des cas, XtalPaint a identifié des configurations énergétiquement plus stables que les positions connues. Comment ces cas sont-ils validés expérimentalement ? Peuvent-ils être attribués à des erreurs de mesure, ou indiquent-ils de véritables structures alternatives ?
Puissance de calcul et scalabilité (Faisabilité) : Quelles ressources informatiques XtalPaint nécessite-t-il pour les grandes bases de données contenant des millions de structures cristallines ? La méthode est-elle pratique pour les complétions de bases de données en temps réel ou seulement pour le traitement par lots ?
Applicabilité à d'autres éléments (Risques) : La méthode est appliquée au lithium et au sodium. Y a-t-il des éléments ou des classes cristallines pour lesquels la méthode fonctionne mal ? Comment cela est-il caractérisé ?
Répertoire des sources
Source primaire : Score-based diffusion models for accurate crystal-structure inpainting and reconstruction of hydrogen positions – npj Computational Materials, 11.06.2026
Sources complémentaires :
- Communiqué de presse de l'Institut Paul Scherrer PSI : À la recherche des atomes d'hydrogène manquants
- Source officielle : news.admin.ch
Statut de vérification : ✓ 11.06.2026
Ce texte a été créé avec l'aide d'un modèle d'IA. Responsabilité éditoriale : clarus.news | Vérification des faits : 11.06.2026