Découvrez comment l’IA générative révolutionne le développement des batteries de voitures électriques !

Un nombre incroyable de combinaisons

Aujourd’hui, il existe dix milliards de molécules commercialisables. Si on les regarde par groupe de cinq – la combinaison typique utilisée pour fabriquer des matériaux d’électrolyte dans les batteries – cela représente 10 à la puissance 47.

C’est énorme.

Toutes ces combinaisons ont une importance dans le monde des batteries. Trouver le mélange adéquat de matériaux d’électrolyte peut permettre d’avoir une batterie à charge plus rapide et plus énergétique pour un véhicule électrique, un réseau électrique ou même un avion électrique. Le revers de la médaille ? Comme dans le processus de découverte de médicaments, cela peut prendre plus d’une décennie et des milliers d’échecs pour trouver la bonne combinaison.

La rencontre entre les électrolytes et l’IA

Aionics se concentre sur l’électrolyte et utilise des outils d’IA pour accélérer la découverte et obtenir de meilleures batteries. L’approche de la découverte de catalyseurs d’Aionics a également attiré des investisseurs. Cette start-up basée à Palo Alto, fondée en 2020, a déjà levé 3,5 millions de dollars, dont 3,2 millions lors d’un tour de financement initial avec des investisseurs tels que UP.Partners.

L’entreprise travaille déjà avec plusieurs sociétés, dont Cellforce, filiale de fabrication de batteries de Porsche. Elle a également collaboré avec Form Energy, une entreprise de stockage d’énergie, Showa Denko (aujourd’hui Resonac), spécialiste japonais des matériaux et produits chimiques, et Cuberg, une entreprise de technologie des batteries.

Tout le processus commence par la liste de souhaits d’une entreprise – ou le profil de performance – pour une batterie. Les scientifiques d’Aionics peuvent, grâce à la mécanique quantique accélérée par l’IA, effectuer des expériences sur une base de données existante de milliards de molécules connues. Cela leur permet d’examiner 10 000 candidats chaque seconde, selon Austin Sendek, le co-fondateur et PDG d’Aionics. Ce modèle d’IA apprend à prédire le résultat de la prochaine simulation et aide à sélectionner la prochaine molécule candidate. À chaque exécution, de nouvelles données sont générées et le modèle s’améliore dans la résolution du problème.

L’arrivée de l’IA générative

Aionics va encore plus loin en intégrant, dans certains cas, l’IA générative. Au lieu de s’appuyer sur les milliards de molécules connues, Aionics utilise cette année des modèles d’IA générative formés sur des données existantes de matériaux de batteries pour créer ou concevoir de nouvelles molécules adaptées à une application spécifique.

L’entreprise renforce ses efforts en utilisant un logiciel développé dans le cadre du programme Accelerated Computational Electrochemical Systems Discovery de l’Université Carnegie Mellon. Venkat Viswanathan, ancien professeur associé à CMU et responsable de ce programme, est co-fondateur et directeur scientifique d’Aionics.

Aionics utilise également des modèles de langage volumineux basés sur GPT 4 d’OpenAI pour aider ses scientifiques à réduire le nombre de formulations possibles avant même de les exécuter dans la base de données. Cet outil de chatbot, qui a été formé sur des manuels de chimie et des articles scientifiques sélectionnés par Aionics, n’est pas utilisé pour la découverte proprement dite, mais il peut être utilisé par les scientifiques pour éliminer certaines molécules qui ne seraient pas utiles dans une application particulière, explique Sendek.

Une fois formé avec ces manuels, les modèles de langage volumineux permettent au scientifique d’interroger le modèle. « Si vous pouviez parler à votre manuel, que lui demanderiez-vous ? » dit Sendek. Mais il précise rapidement que cela ne fait rien de différent de ce qu’une personne ferait en sélectionnant des articles scientifiques. « Cela offre simplement une interaction de niveau supérieur », ajoute-t-il, en précisant que tout est vérifiable en faisant référence aux sources utilisées pour former le chatbot.

« Je pense que ce qui est bon pour notre domaine, c’est que nous ne recherchons pas des faits spécifiques, nous recherchons des principes de conception », explique-t-il en parlant de la fonctionnalité du chatbot.

Choisir un gagnant

Une fois que les milliards de candidats ont été filtrés et réduits à quelques-uns, ou conçus à l’aide du modèle d’IA générative, Aionics envoie des échantillons à ses clients pour validation.

« Si nous n’obtenons pas ce que nous voulons dès le premier essai, nous itérons et nous pouvons réaliser des essais cliniques pour le prouver jusqu’à ce que nous trouvions le gagnant », explique Sendek. « Et une fois que nous trouvons le gagnant, nous travaillons avec nos partenaires de fabrication pour développer cette production à grande échelle et la mettre sur le marché. »

Curieusement, ce processus est même utilisé dans des domaines novateurs comme le ciment. Chement, une start-up co-fondée par Viswanathan et qui est également partenaire d’Aionics, travaille sur des moyens d’utiliser l’électricité renouvelable et des matières premières pour générer des réactions chimiques afin de fabriquer des produits à zéro émission comme le ciment.