Facebook conçoit l’IA Open Catalyst afin d’améliorer le stockage de l’énergie renouvelable

Le plus célèbre des réseaux sociaux Facebook ainsi que la célèbre université de Carnegie Mellon à Pittsburgh, dans l’État de Pennsylvanie, a dévoile un projet unique : Open Catalyst. Ce dernier se base sur des techniques d’apprentissage automatique dont le but est la prédiction des interactions atomiques nécessaires pour la conception d’un combustible, dans le but de découvrir des manières inédites pour le stockage des énergies renouvelables. Facebook et le département de chimie de cette université ont donc lancé ce projet basé sur l’IA « Open Catalyst ».

Solutions pour le stockage de l’énergie déjà existantes mais trop chers

Les énergies renouvelables (les énergies provenant de sources non fossiles) sont des éléments primordiaux du réseau énergétique moderne. Néanmoins, ce sont également des énergies intermittentes, cela signifiant qu’elles ne sont pas disponibles continuellement. L’objectif est par conséquent de dénicher des solutions pour le stockage de l’énergie émise en vue d’un usage ultérieur. Il y en a déjà mais leurs coûts sont excessifs ou encore dans une phase seulement expérimentale.

L’une des options est par conséquent de changer l’énergie solaire en un combustible plus simple à stocker, comme cela est par exemple le cas pour l’hydrogène ou l’éthanol. Afin que ce changement se fasse, un catalyseur – ce qui correspond à un élément chimique qui offre la possibilité d’optimiser la vitesse d’une réaction – est nécessaire. Or, les catalyseurs modernes sont soit inefficaces soit trop coûteux, cela étant notamment le cas du platine.

Dénicher des catalyseurs efficaces via l’intelligence artificielle

La finalité d’Open Catalyst est par conséquent de dénicher des catalyseurs plus performants et accessibles. Afin d’y arriver, Facebook et l’Université ont opté pour un système d’apprentissage automatique pouvant prédire les interactions atomiques idéales à la conception d’un combustible. Mettant des journées actuellement, ces simulations mettront uniquement quelques secondes via cette nouvelle approche. Si on se fit aux premiers travaux de recherches, ces dernières seront par conséquent beaucoup plus rapides : mille fois exactement !

Les simulations basiques se basent essentiellement sur la théorie fonctionnelle de la densité. Il s’agit d’un système de mécanique quantique dont les chimistes se servent de façon très régulière dans le but de dénicher les meilleurs candidats à une réaction. Zack Ulissi (qui n’est autre que le professeur adjoint expert dans le génie chimique et de science et génie des matériaux à l’université de Carnegie Mellon, auprès du groupe Engadget) a affirmé que le but est de changer la DFT par un système d’apprentissage machine.

Un premier set d’informations d’Open Catalyst est apparu

Projet séduisant dans la théorie, ce dernier n’en demeure pas moins extrêmement ambitieux puisque même en étant accéléré, le système de sélection se révélera être toujours fastidieux puisque les combinaisons atomiques sont multiples. Dans le but d’offrir la possibilité à la communauté scientifique de prendre part à ce projet, le mastodonte Facebook et l’université de Carnegie Mellon ont publié un premier set d’informations provenant d’Open Catalyst. Des modèles ont aussi été publiés sur la plateforme GitHub. Larry Zitnick, chercheur chez Facebook, a affirmé qu’il faudra patienter au minimum une année afin d’obtenir les premiers résultats.