Nos smartphones et voitures électriques pourraient-ils un jour se passer des terres rares, largement utilisées pour la conception des batteries et des moteurs électriques ?
Une équipe de l'Université du New Hampshire apporte une réponse encourageante en exploitant l'intelligence artificielle pour examiner une vaste palette de matériaux magnétiques encore peu étudiés.
Pour y parvenir, les chercheurs ont formé un système d'intelligence artificielle à lire et interpréter des décennies de littérature scientifique. L'outil est capable d'extraire des détails expérimentaux afin d'établir si un matériau présente un caractère magnétique et quelle température il peut endurer. Toutes ces informations sont ensuite structurées au sein d'une base de données ouverte, baptisée Northeast Materials Database.
Cette stratégie permet ainsi de repérer rapidement des candidats prometteurs, sans nécessiter de tests laboratoires systématiques.
Actuellement, les aimants permanents les plus efficaces reposent majoritairement sur les terres rares. Ces éléments sont principalement importés, ce qui engendre des difficultés liées à leur prix et à leur disponibilité. Bien que de nombreux composés magnétiques soient connus, aucun n'a jusqu'à présent réussi à remplacer les aimants à base de terres rares dans les applications grand public.
La base de données renferme déjà plus de soixante-sept mille matériaux magnétiques, parmi lesquels vingt-cinq composés originaux conservent leurs propriétés à haute température. D'après Suman Itani, doctorant en physique et auteur principal de l'étude, cette accélération dans l'identification de matériaux pourrait permettre de diminuer la dépendance aux terres rares, réduire le prix des véhicules électriques et consolider la base industrielle.
Le professeur Jiadong Zang, co-auteur des travaux, indique que cette méthode relève l'un des principaux challenges en science des matériaux: identifier des alternatives durables aux aimants permanents. L'équipe est convaincue du potentiel de sa base de données et des technologies d'intelligence artificielle pour rendre cet objectif accessible.