DeepMind est une entreprise britannique spécialisée dans l’intelligence artificielle et le moins que l’on puisse dire, c’est qu’elle n’en est pas à son coup d’essai. DeepMind a déjà pu apprendre à des robots à insérer des clés USB, une intelligence artificielle a aussi été mise au point pour détecter le cancer du sein de façon très précise. Cette fois, des chercheurs de l’entreprise ont dévoilé un système capable d’anticiper les changements d’état de molécules. Ils ont mis leurs techniques et les modèles formés à disposition de tous, en open source.

DeepMind développe une IA capable de prédire le mouvement des molécules de verre

Dans l’article publié par des chercheurs de DeepMind, ces derniers indiquent que “L’apprentissage automatique est bien placé pour enquêter sur la nature des problèmes fondamentaux dans un éventail de domaines. Nous appliquons certains des apprentissages et techniques éprouvés et développés par la modélisation de la dynamique dans les systèmes vitreux, à d’autres questions centrales de la science, dans le but de révéler de nouvelles choses sur le monde qui nous entoure”.

Ils ont pu conclure que l’intelligence artificielle est en mesure de donner un aperçu de la substance générale, des transitions biologiques et cela pourrait conduire à des avancées dans le domaine de la médecine comme dans celui de l’industrie. Cette avancée conclue par DeepMind ne contient cependant pas de description complète du changement d’état du verre. Cela, car il y a plusieurs inconnues sur le processus de formation de ce matériau.

DeepMind a néanmoins réussi à former un réseau de neurones pour générer des graphiques capables de prédire l’évolution de la formation du verre. Concrètement, ils ont créé un graphique d’entrée où les noeuds et arêtes représentaient les particules et leurs interactions.

Une technique open source

Les équipes de DeepMind ont testé le modèle et ont constaté que le système développé était extrêmement bon sur une période courte. Ils ont également jugé que le réseau restait adapté jusqu’au temps de relaxation structurale du verre.

Toujours selon les chercheurs, les informations récoltées lors des tests pourraient permettre de déduire d’autres qualités du verre. Persuadés que les techniques et modèles utilisés pourraient aider d’autres scientifiques, ils ont mis leurs travaux à disposition sur GitHub.