Une plateforme de conception pionnière révèle de nouvelles structures topologiques
Au cours des dernières décennies, les matériaux topologiques ont pris d’assaut la communauté des physiciens et des ingénieurs. Les scientifiques ne cessent d’en découvrir davantage sur ces matériaux exotiques dont les propriétés demeurent inchangées en cas de torsion, de flexion ou d’autres déformations continues. Autrefois considérés comme inhabituels, les matériaux topologiques sont désormais omniprésents et comprennent des matériaux électroniques, optiques et mécaniques. Les métamatériaux mécaniques topologiques et, plus généralement, les aspects topologiques des systèmes de matière condensée constituent un domaine de recherche émergent et dynamique. L’accélération de leur découverte et de leur application exige des approches de conception innovantes. Le projet TopMechMat, financé par l’UE, entend exploiter la puissance des algorithmes génétiques pour exécuter les analyses de paramètres à grande échelle requises dans les nouveaux algorithmes de conception.
Chimie quantique topologique et algorithmes génétiques
Selon Sebastian Huber, coordinateur du projet de l’ETH Zürich, hôte du projet: «La principale caractéristique des matériaux topologiques — la stabilité des fonctionnalités encodées dans la topologie — découle du fait que la topologie se manifeste par des indices topologiques à valeurs discrètes». Ces indices sont des fonctions mathématiques qui associent des structures chimiques ou moléculaires à des valeurs numériques: les contreparties numériques des structures chimiques. Ces indices topologiques à valeurs discrètes doivent être optimisés pour permettre la découverte de nouveaux matériaux topologiques. Cela signifie que les schémas d’optimisation continus traditionnels basés sur les gradients, comme la descente la plus raide, ne peuvent pas être utilisés. TopMechMat s’est tourné vers la théorie émergente de la chimie quantique topologique et vers les algorithmes génétiques liés à l’IA pour relever ces défis. La chimie quantique topologique, qui décrit toutes les structures de bandes possibles (niveaux d’énergie des électrons et bandes interdites possibles) dans tous les matériaux, a fourni des informations théoriques détaillées sur les mécanismes fondamentaux qui sont à l’œuvre dans les matériaux topologiques. Par la suite, les algorithmes génétiques liés à l’IA — une approche d’optimisation sans gradient basée sur la génétique, la sélection naturelle et l’évolution — ont exploité ces connaissances pour la recherche de métamatériaux mécaniques topologiques. Largement utilisés dans l’IA et l’apprentissage automatique, ces algorithmes sont extrêmement efficaces pour découvrir des solutions optimisées lors de recherches dans de vastes et complexes ensembles de données.
Nouvelle approche de conception, nouveaux métamatériaux mécaniques topologiques
«Nous avons transformé la façon dont nous concevons nos métamatériaux mécaniques topologiques en combinant la chimie quantique topologique et les stratégies de conception évolutive liées à l’IA, telles que la stratégie d’évolution de l’adaptation de la matrice de covariance. Grâce à cela, notre recherche appliquée (la recherche de métamatériaux mécaniques topologiques) a permis de mieux appréhender les principes fondamentaux (les mécanismes topologiques). Le succès est évident: notre approche a révélé des structures topologiques encore jamais observées dans aucune autre plateforme, y compris les plateformes électroniques qui étudient ces phases de la matière depuis le début des années 1980», fait remarquer Sebastian Huber. Le projet a également démontré la valeur élargie de la recherche interdisciplinaire, où les découvertes et l’expérimentation dans un domaine peuvent conduire à des percées inattendues et à des connaissances dans des domaines apparemment sans rapport. En étudiant les ondes sonores dans les cavités acoustiques, les chercheurs se sont aperçus que les connaissances obtenues dans le domaine de l’acoustique avaient des implications pour la compréhension de la supraconductivité dans un matériau quantique, le graphène bicouche torsadé. «Ce lien surprenant entre deux sujets apparemment sans rapport est peut-être l’une des leçons les plus importantes de ce projet», souligne Sebastian Huber. Celui-ci pense que l’IA jouera un rôle encore plus important dans la recherche de matériaux électroniques topologiques. «En d’autres termes, la conception de matériaux mécaniques ou optiques peut se résumer à percer la bonne disposition de trous dans les bons matériaux. Les composés électroniques exigent de passer au crible les entrées volumineuses des bases de données cristallographiques afin de les relier aux propriétés souhaitées, un défi bien adapté aux méthodes de science des données de l’IA», conclut-il. L’exploitation de la puissance des algorithmes génétiques et d’autres méthodes basées sur l’IA devrait accélérer les révélations bien au-delà de la partie émergée de l’iceberg en ce qui concerne les métamatériaux topologiques mécaniques, électroniques et optiques. De nouvelles applications exotiques suivront certainement.
Mots‑clés
TopMechMat, topologique, IA, algorithmes génétiques, métamatériaux mécaniques topologiques, chimie quantique topologique, topologie, stratégie d’évolution par adaptation de la matrice de covariance, indices topologiques, supraconductivité, graphène
