Publié le 11 février 2026 à 13h11. Des chercheurs de l’Université de Bayreuth ont mis au point une nouvelle méthode basée sur l’intelligence artificielle qui pourrait révolutionner la façon dont les propriétés des liquides sont calculées, ouvrant la voie à des simulations plus rapides et plus précises.
- L’IA prédit le potentiel chimique, une donnée essentielle pour comprendre l’équilibre thermodynamique des liquides.
- La méthode ne se contente pas d’apprendre le potentiel chimique directement, mais modélise la fonctionnelle de densité universelle, une approche plus fondamentale et applicable à divers systèmes.
- Cette approche combine l’apprentissage automatique avec des principes physiques établis, offrant une solution à la fois efficace et cohérente.
L’étude, publiée dans la prestigieuse revue Physical Review Letters et recommandée par la rédaction, présente une avancée significative dans le domaine de la physique théorique et de la matière molle. Les méthodes traditionnelles de calcul du potentiel chimique sont souvent complexes et nécessitent une puissance de calcul considérable. L’équipe de Bayreuth a donc exploré une approche alternative basée sur l’intelligence artificielle.
Contrairement aux méthodes d’IA classiques qui reposent sur l’apprentissage supervisé – où un modèle est entraîné à reconnaître des motifs à partir d’un grand nombre d’exemples (comme identifier des chats sur des images) – cette nouvelle méthode adopte une stratégie plus subtile. « Une approche directe constitue un défi pour le potentiel chimique, car sa détermination nécessite généralement des algorithmes gourmands en calcul », explique le professeur Matthias Schmidt, titulaire de la chaire de physique théorique II à l’Université de Bayreuth.
L’innovation réside dans le fait que l’IA n’apprend pas directement le potentiel chimique, mais plutôt la fonctionnelle de densité universelle. Selon le professeur Schmidt, « Cela peut être comparé à différentes surfaces mouillées avec le même liquide. Bien que les surfaces puissent différer en termes de structure ou de matériau, le liquide suit les mêmes lois physiques sous-jacentes. » Cette fonctionnelle de densité universelle capture les propriétés intrinsèques du liquide, indépendamment de son environnement spécifique.
La méthode tient également compte de la différence entre la fonctionnelle de densité apprise et les quantités observables, telles que le profil de densité des particules. Cette différence est ensuite corrigée en utilisant des principes physiques fondamentaux liés à la stabilité thermodynamique, permettant ainsi de déterminer le potentiel chimique de manière indirecte mais précise.
« Notre méthode combine l’apprentissage basé sur les données avec des connaissances fondamentales de la physique théorique : la fonction de densité de l’IA fournit un cadre de base universel, mais le potentiel chimique lui-même est dérivé de conditions physiques établies. »
Dr Florian Sammüller, assistant de recherche à l’Université de Bayreuth
En d’autres termes, l’IA est capable de reconnaître les principes fondamentaux qui régissent le comportement des liquides, un peu comme si elle pouvait identifier des chats sans jamais avoir été spécifiquement entraînée à le faire. Cette approche novatrice promet d’accélérer considérablement les simulations et les prédictions concernant les propriétés des liquides, avec des applications potentielles dans de nombreux domaines, de la chimie à la biologie en passant par les sciences des matériaux.
Contact scientifique :
Prof. Dr Matthias Schmidt
Physique théorique II
Téléphone : 0921/55-3313
E-mail : matthias.schmidt@uni-bayreuth.de
www.mschmidt.uni-bayreuth.de
Publication originale :
Florian Sammüller & Matthias Schmidt. Détermination du potentiel chimique via l’apprentissage fonctionnel de densité universelle. Phys. Rev. Lett. 136, 068202 (2026)
DOI : https://doi.org/10.1103/7bqn-y2d7