Institut multidisciplinaire d'intelligence artificielle

DESCRIPTION

Cette chaire objectif de développer des méthodes permettant d'accélérer considérablement le rythme de découverte de nouveaux matériaux. Pour ce faire, nous adopterons une double approche. D'une part, nous utiliserons des réseaux neuronaux équivariants fondés sur la physique pour accélérer les calculs de mécanique quantique des propriétés des matériaux dans la recherche de nouveaux matériaux à transition de spin. D'autre part, nous utiliserons la modélisation générative pour enseigner aux modèles d'apprentissage automatique comment proposer des arrangements atomiques entièrement nouveaux qui sont statistiquement susceptibles de posséder les propriétés matérielles que nous recherchons. Ensemble, ces approches représentent une avancée significative pour le domaine et contribueront à transformer la manière dont nous découvrons de nouveaux matériaux.

chaire

Deux doctorants ont été engagés, l'un pour travailler sur le "développement de modèles d'apprentissage automatique basés sur la physique pour la découverte accélérée de matériaux" et l'autre sur le "développement de méthodes génératives d'apprentissage automatique pour la conception inverse de matériaux et de molécules".

chaire

Prochain exposé invité à la conférence "Machine Learning Interatomic Potentials : Theory and Practice", du 6 au 10 novembre, à Helsinki, en Finlande.