| EN BREF |
|
Les avancées technologiques dans le domaine des sciences des matériaux se multiplient grâce à l’intégration de l’intelligence artificielle et de la robotique. À la pointe de cette innovation, le laboratoire numérique dLab de l’Université de Tokyo marque un jalon significatif en automatisant entièrement la synthèse et l’analyse des matériaux. Ce système révolutionnaire permet non seulement de synthétiser des matériaux en couches minces, tels que les cathodes de batteries lithium-ion, mais aussi d’évaluer leurs propriétés structurales et physiques sans intervention humaine. Les chercheurs visent à transformer le paysage de la recherche en matériaux en rendant les processus plus efficaces et riches en données.
L’émergence des laboratoires intelligents
Le passage des méthodes traditionnelles de recherche par essais et erreurs à des découvertes automatisées et fondées sur les données est en pleine expansion. Les laboratoires modernes, grâce à la robotique et à l’apprentissage automatique, fonctionnent comme des usines, produisant et analysant rapidement de nombreux échantillons. Les robots, en synthétisant et testant de multiples échantillons, génèrent une quantité considérable de données de processus et de mesures. Cette approche standardisée des matériaux et de la collecte de données est essentielle pour l’efficacité du système.
Malgré des avancées significatives dans les échantillons liquides, les matériaux en couches minces et solides rencontrent encore des obstacles dus à la diversité de leurs formes et formats de données. Pour rationaliser la recherche sur les matériaux solides, l’équipe de l’Université de Tokyo a mis au point un laboratoire numérique entièrement automatisé (dLab) utilisant des instruments modulaires interconnectés. Ce système utilise des robots pour réaliser et surveiller chaque étape, de la synthèse des matériaux aux mesures avancées des propriétés.
Amélioration de l’efficacité de la recherche
Avec le dLab, l’équipe a réussi à synthétiser de manière autonome des films minces de cathodes de batteries au lithium-ion et à évaluer leur structure à l’aide de l’analyse des motifs de diffraction des rayons X. En confiant les tâches répétitives du laboratoire à des robots guidés par l’apprentissage automatique, les chercheurs peuvent synthétiser, mesurer et analyser de nombreux échantillons efficacement, générant de vastes volumes de données.
Taro Hitosugi, professeur à l’Université de Tokyo, souligne que leur travail actuel vise à relever les défis de la recherche accélérée en sciences des matériaux. En introduisant l’apprentissage automatique et la robotique, ils espèrent approfondir la théorie et découvrir de nouveaux matériaux. Les chercheurs reconnaissent cependant que la modularisation et la standardisation dans la recherche sur les matériaux solides restent limitées malgré les récents progrès.
La standardisation des données : un défi crucial
Un des principaux défis rencontrés est l’absence de formes et de tailles standardisées pour les échantillons et leurs supports, car les matériaux solides varient considérablement en forme, allant de poudres à des solides massifs. La standardisation de ces éléments est essentielle pour intégrer différents instruments. Un autre problème est l’absence d’un format de données unifié, rendant la collecte et le partage des données difficiles.
Pour résoudre ce problème, un format standardisé nommé MaiML a été développé. En 2024, le MaiML a été officiellement reconnu comme une norme industrielle japonaise, permettant une gestion des données cohérente et efficace. L’équipe prévoit d’améliorer le système en standardisant son logiciel d’orchestration et les processus de planification, ce qui permettrait une gestion des tâches plus efficace sur plusieurs échantillons et élargirait le champ de l’exploration des matériaux.
Enquête choc : ces influenceurs très connus qui achètent des followers pour gagner de l’argent
Vers un environnement de recherche digitalisé
Kazunori Nishio, professeur associé à l’Institut des Sciences de Tokyo, explique que l’objectif est de digitaliser l’environnement de recherche et de développement, de former des chercheurs capables d’utiliser ces technologies et de faciliter le partage et l’utilisation des données. Le rêve ultime de l’équipe est d’utiliser le dLab pour accélérer la découverte et le développement de nouveaux matériaux.
En combinant la robotique, le matériel modulaire et le cloud computing, le dLab représente une avancée majeure dans la science des matériaux autonome et axée sur les données. Cependant, la question demeure : comment ces innovations transformeront-elles le rôle des chercheurs humains dans la découverte scientifique future ?
