You are currently viewing Facebook lance « Open Catalyst » pour optimiser le stockage de l’énergie renouvelable grâce à l’IA

Facebook lance « Open Catalyst » pour optimiser le stockage de l’énergie renouvelable grâce à l’IA

  • Auteur/autrice de la publication :
  • Post category:Tech

Facebook lance "Open Catalyst" pour optimiser le stockage de l'énergie renouvelable grâce à l'IA

L’USINE DIGITALE ALICE VITARD | PUBLIÉ LE 15 OCTOBRE 2020

Facebook et l’Université de Carnegie Mellon dévoilent le projet « Open Catalyst ». Il repose sur des méthodes d’apprentissage automatique pour prédire les interactions atomiques idéales à la formation d’un combustible, et ce afin de découvrir de nouvelles façons de stocker les énergies renouvelables.

Facebook et le département de chimie de l’Université de Carnegie Mellon (CMU) lancent le projet « Open Catalyst » dont l’objectif est de découvrir de nouvelles façons de stocker les énergies renouvelables grâce à l’intelligence artificielle.

LES MOYENS ACTUELS SONT COÛTEUX

Les énergies renouvelables, soit les énergies issues de sources non fossiles, sont « des éléments essentiels du réseau énergétique moderne », indique l’entreprise américaine. Mais ce sont aussi des énergies intermittentes, c’est-à-dire qu’elles ne sont pas disponibles en permanence.

Le défi est donc de trouver des moyens de stocker l’énergie produite en vue d’une utilisation ultérieure. Il en existe déjà mais leurs coûts sont prohibitifs ou encore au stade expérimental.

L’une des solutions est de convertir l’énergie solaire en un combustible plus facile à stocker, tel que l’hydrogène ou l’éthanol. Pour effectuer cette transformation, un catalyseur – soit un composant chimique qui permet d’augmenter la vitesse d’une réaction – est indispensable. Or, les catalyseurs actuels sont soit inefficaces soit très chers (comme le platine).

TROUVER DES CATALYSEURS EFFICACES GRÂCE À L’IA

L’objectif d’Open Catalyst est donc de trouver des catalyseurs plus efficaces et abordables. Pour y parvenir, Facebook et l’Université misent sur un système d’apprentissage automatique capable de prédire les interactions atomiques idéales à la formation d’un combustible. Contre plusieurs jours actuellement, ces simulations ne prendront plus que quelques secondes grâce à cette nouvelle approche. D’après les premiers travaux de recherches, elles seront 1000 fois plus rapides.

Les simulations classiques reposent en partie sur la théorie fonctionnelle de la densité (DFT), un système de mécanique quantique que les chimistes utilisent très régulièrement pour trouver les candidats les plus prometteurs à une réaction. « En gros, nous espérons remplacer la DFT par un système d’apprentissage machine », a schématisé Zack Ulissi, professeur adjoint de génie chimique et de science et génie des matériaux à la CMU, auprès d’Engadget.

UN PREMIER SET DE DONNÉES A ÉTÉ PUBLIÉ

Séduisant sur le papier, ce projet n’en reste pas moins très ambitieux. Car, même en étant accéléré, le processus de sélection restera fastidieux car les combinaisons atomiques sont très nombreuses. Pour permettre à la communauté scientifique de participer à ce projet, Facebook et la CMU ont publié un premier set de données issu d’Open Catalyst. Des modèles ont également été publiés sur GitHub. Il faudra attendre au moins un an pour avoir les premiers résultats, précise Larry Zitnick, chercheur au sein de Facebook.