Intelligence artificielle sur les traces de Schrödinger

L'intelligence artificielle (IA) et les algorithmes d'apprentissage automatique sont aujourd'hui couramment utilisés pour prédire notre comportement d'achat, suggérer des itinéraires de voyage ou reconnaître des images et des visages. En recherche, l'IA s'impose comme un outil essentiel pour soutenir les découvertes scientifiques. Ainsi, l'IA est de plus en plus utilisée en chimie pour prédire les résultats d'expériences ou de simulations. Pour cela, l'IA doit être capable d'intégrer systématiquement les lois fondamentales de la physique. Une équipe interdisciplinaire de chercheurs de l'Université de Warwick, du TU Berlin et de l'Université du Luxembourg a développé un algorithme d'IA qui permet notamment, en fonction des propriétés chimiques souhaitées d'une substance, de déterminer la structure nécessaire. Une capacité qui pourrait jouer un rôle clé dans le développement de médicaments et de matériaux innovants.

L'algorithme développé par des chimistes, physiciens et informaticiens est capable de calculer les états quantiques d'une molécule, la fameuse fonction d'onde, qui détermine toutes les propriétés de cette molécule. Pour cela, l'IA a dû apprendre à internaliser les lois fondamentales de la physique et à résoudre des équations de la mécanique quantique — comme par exemple l'équation de Schrödinger. Le travail « Unifying machine learning and quantum chemistry with a deep neural network for molecular wavefunction » a été publié dans Nature Communications.

Résoudre ces équations et des équations similaires de manière conventionnelle nécessite d'énormes capacités de calcul et surtout plusieurs mois de temps de calcul. « C'est précisément ici que se situe généralement le goulot d'étranglement dans le développement assisté par ordinateur de nouveaux molécules spécifiquement conçues pour des applications médicales et industrielles », explique le Prof. Dr. Klaus-Robert Müller, professeur en apprentissage automatique à l'Université technique de Berlin. En revanche, le nouvel algorithme peut fournir en quelques secondes des prévisions précises sur un ordinateur portable ou un téléphone mobile.

« La publication est le résultat d'un effort commun de trois ans et a nécessité des compétences en informatique pour développer un algorithme suffisamment flexible pour saisir la forme et le comportement des fonctions d'onde, mais aussi des connaissances en chimie et en physique pour traiter et représenter des données de chimie quantique », explique le Dr Reinhard Maurer du département de chimie de l'Université de Warwick.

Klaus-Robert Müller ajoute : « Ce travail interdisciplinaire constitue une avancée importante, car il montre que les méthodes d'IA peuvent apprendre les aspects les plus difficiles de la simulation en chimie quantique. Cela inclut également la conception inverse, qui est un rêve de longue date en pharmacologie et en chimie, notamment pour la fabrication de médicaments. » La conception inverse consiste à définir une propriété chimique spécifique d'une molécule, puis à concevoir et optimiser la structure moléculaire correspondante à partir de ces critères. L'équipe interdisciplinaire estime que les méthodes d'IA continueront à s'établir comme un composant essentiel en chimie informatique et en physique moléculaire, permettant également une conception moléculaire inverse durable.

« Ce travail ouvre une nouvelle étape dans la conception de médicaments, où les propriétés électroniques et structurales d'une molécule peuvent être combinées pour atteindre les critères d'application souhaités », explique le Prof. Dr. Alexandre Tkatchenko du département de physique de l'Université du Luxembourg.

Publication :

« Unifying machine learning and quantum chemistry with a deep neural network for molecular wavefunction » https://www.nature.com/articles/s41467-019-12875-2

Pour plus d'informations, veuillez contacter :

Prof. Dr. Klaus-Robert Müller
TU Berlin
Département d'apprentissage automatique
Tél. : 030 314-78620
Email : klaus-robert.mueller@tu-berlin.de