Deux avancées récentes en intelligence artificielle (IA) et en machine learning promettent de révolutionner le développement de produits en réduisant les délais de recherche. La plateforme MaterialsZone, basée en Israël, a intégré un développement guidé par IA dans ses outils de découverte de matériaux, tandis que des chercheurs japonais ont exploité le machine learning pour optimiser la production de polymères.
MaterialsZone transforme l’expérimentation
MaterialsZone utilise une boucle de retour d’information basée sur l’IA pour affiner les recommandations expérimentales en temps réel. Chaque expérience réalisée enrichit le modèle IA, permettant une optimisation progressive des paramètres tout en prenant en compte les contraintes de coût et d’impact environnemental. La plateforme vise à réduire les cycles d’expérimentation et à améliorer l’efficacité grâce à un cadre sans codage.
Optimisation de la polymérisation au Japon
Au Japon, des chercheurs de l’Institut des sciences et technologies de Nara ont modélisé mathématiquement la polymérisation d’un copolymère styrène-méthacrylate de méthyle à l’aide du machine learning. En combinant une synthèse en flux constant et des algorithmes d’apprentissage, ils ont rapidement identifié les conditions idéales de fabrication. En seulement cinq cycles de calcul, ils ont atteint un équilibre précis de 50 % de styrène, révélant des paramètres clés comme la concentration du solvant et la durée de réaction.