L’intelligence artificielle au cœur de deux avancées majeures dans la recherche sur les matériaux céramiques !

L’intelligence artificielle au cœur de deux avancées majeures dans la recherche sur les matériaux céramiques !

 

Deux travaux de recherche récemment publiés dans les revues scientifiques internationales de premier plan Digital Discovery et American Chemical Society illustrent le potentiel de l’intelligence artificielle pour faire progresser la recherche sur les matériaux céramiques.

 

S’inscrivant dans deux démarches scientifiques distinctes, l’une expérimentale et orientée vers la formulation de nouveaux matériaux, l’autre théorique et dédiée à la compréhension des phénomènes à l’échelle atomique, ces études démontrent la diversité des applications de l’IA en science des matériaux. Elles ouvrent chacune de nouvelles perspectives pour accélérer la recherche, approfondir les connaissances fondamentales et accompagner le développement de matériaux céramiques innovants et performants.

 

1. Digital Discovery – GEOMIND : une IA hybride pour concevoir les matériaux de demain.

Dans cette étude publiée dans Digital Discovery, l’équipe a développé GEOMIND, une intelligence artificielle générative hybride combinant apprentissage profond et connaissances scientifiques, capable de concevoir des géopolymères sur mesure, des matériaux constituant notamment des alternatives plus durables aux liants cimentaires traditionnels. Contrairement aux approches classiques qui prédisent les propriétés à partir d’une composition donnée, GEOMIND inverse le processus de conception : à partir des performances souhaitées, l’IA propose directement des formulations chimiques adaptées et réalisables expérimentalement. En associant la puissance de l’IA aux lois physico-chimiques qui gouvernent la formation des matériaux, cette approche ouvre la voie à une découverte plus rapide, plus fiable et plus ciblée de nouvelles compositions, tout en limitant les essais expérimentaux. Au-delà des géopolymères, cette méthodologie présente un fort potentiel de transposition à d’autres familles de matériaux, ouvrant de nouvelles perspectives pour la conception assistée par IA. L’importance de ces travaux a également été soulignée par leur mise à l’honneur en couverture du numéro de juillet 2026 de Digital Discovery, revue de la Royal Society of Chemistry.

Publication : GEOMIND: a hybrid generative artificial intelligence model for geopolymer design and optimization

Auteurs : Sébastien Rousseau , Assil Bouzid, Sylvie ROSSIGNOL et Ameni GHARZOUNI.

Revue : Digital Discovery, 2026, 5, 2817–2830.

DOI : https://doi.org/10.1039/d5dd00383k

Couverture : https://pubs.rsc.org/dd/issue/5/7

Contact scientifique : Ameni Gharzouni ameni.gharzouni@unilim.fr

2. ACS Nano – L’IA pour comprendre et maîtriser la microstructure des céramiques avancées

Dans cette étude publiée dans ACS Nano, l’équipe du projet a développé une approche innovante combinant intelligence artificielle et simulations atomistiques pour explorer, à une échelle jusqu’alors difficilement accessible, les transformations structurales des céramiques au cours des traitements thermiques. En s’appuyant sur des modèles d’IA entraînés à partir de calculs ab initio, les chercheurs ont pu simuler l’évolution de systèmes comprenant plusieurs milliers d’atomes et mettre en évidence les mécanismes par lesquels le carbone se réorganise progressivement en structures apparentées au graphène au sein de la matrice céramique. Ces résultats apportent un éclairage inédit sur les mécanismes de formation et d’évolution des microstructures, qui jouent un rôle déterminant dans les propriétés finales des matériaux. Au-delà de ces avancées fondamentales, cette étude ouvre de nouvelles perspectives pour l’ingénierie des microstructures à l’échelle atomique, en permettant d’envisager un contrôle plus fin de leur évolution lors des traitements thermiques et, à terme, la conception de céramiques aux propriétés ciblées et optimisées. Cette approche représente ainsi une étape importante vers une conception moins empirique, plus prédictive et mieux maîtrisée des matériaux céramiques de nouvelle génération.

Publication : Modeling Phase Separation in Polymer-Derived Silicon Carbonitride Ceramics through Extended Machine Learning Molecular Dynamics

Auteurs : Fabien Mortier, @Sylvian Cadars, @Olivier Masson, Mauro Boero, Guido Ori, PhD, @Yun Wang, Samuel Bernard et Assil Bouzid.

Revue : ACS Nano, 2026, 20, 27874-27889.

DOI : https://doi.org/10.1021/acsnano.6c11958

Contact scientifique : Assil Bouzid – assil.bouzid@cnrs.fr