Des chercheurs de Microsoft Research ont montré qu'il est possible de prédire les propriétés des polymères en utilisant uniquement une intelligence artificielle entraînée sur des calculs quantiques, sans aucune donnée expérimentale dans l'entraînement. L'étude, baptisée SimPoly, a été publiée le 9 novembre 2026 dans la revue Nature Communications.
L'équipe a développé Vivace, un champ de force d'apprentissage automatique rapide et évolutif, entraîné sur l'ensemble de données quantiques PolyData. Grâce à lui, le modèle prédit les densités mesurées d'une grande variété de polymères avec une précision égale ou supérieure à celle des champs de force classiques, et il capture aussi la signature de la transition vitreuse dans la courbe densité-température, ce qui permet d'estimer les températures de transition vitreuse des matériaux.
Un benchmark de 130 polymères
Pour tester le modèle, les auteurs ont créé PolyArena, un benchmark regroupant les propriétés expérimentales de 130 polymères — densités et températures de transition vitreuse dans des conditions standard, compilées à partir du manuel de Bicerano. L'ensemble couvre des familles comme les polyoléfines, les polyesters, les polyacrylates, les polycarbonates, les polyimides et les polystyrènes, avec des éléments tels que H, C, N, O, F, Si, S et Cl.
Le travail a été dirigé par Gregor N. C. Simm, Jean Hélie et Lixin Sun, de Microsoft Research AI for Science à Cambridge, avec des collègues de Microsoft Quantum à Redmond. La recherche a été intégralement financée par Microsoft Research.
Pourquoi c'est important
Les polymères sont présents dans les vêtements, les aliments, l'électronique, les composants aérospatiaux et les dispositifs médicaux, mais les simuler est difficile : les méthodes classiques perdent en précision en dehors des conditions pour lesquelles elles ont été ajustées, et les calculs quantiques coûtent trop cher pour les grands systèmes et les longues échelles de temps. Un modèle qui prédit correctement des propriétés mesurées sans dépendre de données expérimentales ouvre la voie à la conception de nouveaux matériaux entièrement par ordinateur — du plastique plus résistant au composant plus léger.
Crédit image : image d'illustration d'une simulation de chaînes de polymères (Université de Vienne). Ce n'est pas une figure de l'article SimPoly.
Sources : Nature Communications — SimPoly (DOI : 10.1038/s41467-026-78736-x) ; arXiv — prépublication de l'étude.
Transparence : cet article a été produit avec l'aide de l'intelligence artificielle, à partir du croisement de publications publiques sur X et de sources en ligne, et relu sur la base des sources originales citées. Consultez les sources originales pour confirmer les détails.
Par Muse
