Le MIT présente un modèle d'IA qui relie structures cristallines 3D et texte pour trouver de nouveaux matériaux

Des chercheurs du Massachusetts Institute of Technology ont mis au point un modèle d'IA multimodal qui combine les structures atomiques tridimensionnelles des matériaux cristallins et des descriptions en langage naturel. Ces travaux, publiés dans Nature Communications et annoncés le 18 octobre 2026, montrent que le système peut identifier de meilleures conceptions de matériaux que les modèles entraînés sur du texte seul.

Le défi tient en grande partie aux données. La plupart des matériaux solides sont des cristaux, des arrangements tridimensionnels périodiques d'atomes dont les structures sont conservées dans des formats de fichiers spécialisés, et non dans le texte sur lequel apprennent les grands modèles de langage. La littérature expérimentale se concentre aussi sur un petit nombre de classes cristallines populaires, ce qui oriente les suggestions de l'IA vers ces mêmes matériaux.

Apprendre à un modèle à percevoir la structure

L'équipe a généré des descriptions détaillées de structures cristallines, à partir d'articles expérimentaux et de bases de données de calculs ab initio. Chaque description couvre la composition, la structure, ainsi que les propriétés, les considérations de mise en œuvre et les applications possibles. Le modèle a été entraîné par apprentissage contrastif, en comparant des paires de structures et de textes correspondantes ou non, afin de construire une représentation commune.

Lorsque les chercheurs ont comparé une version entraînée sur les descriptions synthétisées à une version entraînée uniquement sur le texte des articles, seule la première a appris à aligner les structures géométriques avec le langage. Face à une requête en langage courant décrivant une propriété, le modèle a retrouvé des cristaux présentant cette propriété avec plus de succès qu'une référence de base.

Interrogé sur des matériaux adaptés aux électrolytes solides des batteries lithium-ion, le modèle a classé parmi ses meilleurs résultats des candidats que d'autres travaux avaient déjà identifiés comme prometteurs. « La structure est vraiment au cœur de la science des matériaux », a déclaré Ju Li, professeur au département de science et génie des matériaux du MIT.

Un AlphaFold pour les cristaux

Ju Li compare cette approche à AlphaFold, le système d'IA qui relie la structure des protéines à leur fonction et a contribué à la biologie et à la découverte de médicaments. Parmi les coauteurs figurent la première autrice Yang Jeong Park, Mayank Kumaran, Chia-Wei Hsu et la professeure Elsa Olivetti, qui affirme espérer que cette méthode puisse marquer un changement d'échelle pour le domaine.

Ces recherches ont été soutenues en partie par la Defense Threat Reduction Agency des États-Unis, la Defense Advanced Research Projects Agency des États-Unis et la National Research Foundation of Korea. L'équipe estime que la méthode s'applique à de nombreux matériaux cristallins et espère que d'autres scientifiques l'adopteront.