Des chercheurs de l'Advanced Institute for Materials Research (WPI-AIMR) de l'université de Tohoku ont identifié les principaux défis liés à l'utilisation de l'intelligence artificielle (IA) pour innover dans le domaine des polymères et ont développé un système qui combine divers outils – tels que des bases de données sur les polymères, des modèles prédictifs, des agents d'IA et des laboratoires automatisés – en un flux de travail cohérent. Ce système vise à simplifier le processus de découverte de nouveaux matériaux, permettant ainsi d'économiser du temps, de réduire les coûts et de minimiser l'impact environnemental. L'équipe a déjà travaillé sur l'utilisation de systèmes d'IA en boucle fermée et de grandes bases de données pour améliorer la recherche de matériaux utilisés dans les technologies énergétiques. Dans une étude récente publiée dans la revue JACS Au, ils se sont concentrés sur la création d'un flux de travail plus efficace pour identifier et tester de nouveaux candidats de polymères destinés aux produits du quotidien. Les polymères sont des matériaux polyvalents utilisés dans une large gamme d'applications, allant des objets ménagers aux dispositifs biomédicaux tels que les implants et les systèmes de livraison de médicaments. Toutefois, sans une stratégie bien définie, il est difficile de comprendre comment les polymères interagissent avec des environnements biologiques complexes. Les méthodes traditionnelles de développement des polymères dépendent fortement de l'essai et de l'erreur, ce qui est chronophage, coûteux en ressources et entraîne souvent un gaspillage important. Si le système proposé est correctement mis en œuvre, il pourrait accélérer la création de polymères performants et durables, avec moins d'échecs expérimentaux. Cela pourrait mener à des batteries plus sûres pour les véhicules électriques, des matériaux médicaux améliorés, des plastiques plus respectueux de l'environnement, et des systèmes de purification de l'eau plus efficaces. Il réduit également l'empreinte environnementale des tests de matériaux, soutenant ainsi les efforts mondiaux pour atteindre la neutralité carbone. L'équipe de recherche a conçu un plan détaillé pour construire des écosystèmes autonomes en boucle fermée pour découvrir de nouveaux polymères. Contrairement à la plupart des recherches basées sur l'IA sur les polymères existantes, qui se concentrent sur des tâches isolées sans intégration, ce système propose une approche plus complète et auto-suffisante. L'étude met en évidence six problèmes majeurs dans les flux de travail actuels de découverte des polymères : des bases de données déconnectées sans retour d'information, des modèles d'IA manquant des contraintes physiques, des outils de simulation isolés, une raison incomplète par les agents d'IA, des laboratoires automatisés unidirectionnels sans boucles de retour et une communication insuffisante entre les composants numériques et expérimentaux. Les chercheurs proposent également des solutions pratiques pour surmonter ces défis, offrant ainsi un plan d'action pour le développement futur. L'équipe souhaite affiner davantage ce cadre conceptuel pour l'appliquer non seulement dans les laboratoires, mais aussi dans les processus de fabrication industrielle. Cela permettrait de combler le fossé entre la recherche et les applications du monde réel. L'étude, publiée par Chenyao Ma et ses collègues dans JACS Au en 2026, représente un pas important vers l'utilisation de l'IA pour révolutionner l'innovation en polymères d'une manière durable et efficace.