Dix milliards. C’est le nombre de molécules commercialisables disponibles aujourd’hui. Si l’on commence à les considérer par groupes de cinq – la combinaison typique utilisée pour fabriquer les matériaux électrolytiques dans les batteries – ce nombre passe à 10 puissance 47.
Pour ceux qui comptent, c’est beaucoup.
Toutes ces combinaisons sont importantes dans le monde des batteries. Si vous trouvez le bon mélange de matériaux électrolytiques, vous obtiendrez une batterie plus rapide à charger et plus dense en énergie pour un véhicule électrique, le réseau électrique ou même un avion électrique. L’inconvénient ? À l’instar du processus de découverte de médicaments, il faut parfois plus d’une décennie et des milliers d’échecs pour trouver la bonne combinaison.
C’est là que les fondateurs de la startup Aionics affirment que leurs outils d’IA peuvent accélérer les choses.
« Le problème est qu’il y a trop de candidats et pas assez de temps », a déclaré Austin Sendek, cofondateur et PDG d’Aionics, à TechCrunch lors de l’événement Up Summit qui s’est tenu récemment à Dallas.
Lenson Pellouchoud, cofondateur et directeur technique ; Austin Sendek, cofondateur et directeur général et Venkat Viswanathan, cofondateur et scientifique en chef. Crédits photographiques: Aionics
Electrolytes, meet AI
Les batteries lithium-ion contiennent trois éléments essentiels. Il y a deux électrodes, une anode (négative) d’un côté et une cathode (positive) de l’autre. Un électrolyte se trouve généralement au milieu et sert de coursier pour déplacer les ions entre les électrodes lors de la charge et de la décharge.
Aionics se concentre sur l’électrolyte et utilise une boîte à outils d’IA pour accélérer la découverte et, en fin de compte, fournir de meilleures batteries. L’approche d’Aionics en matière de découverte de catalyseurs a également attiré des investisseurs. La startup basée à Palo Alto, qui a été fondée en 2020, a levé 3,5 millions de dollars à ce jour, dont un tour de table de 3,2 millions de dollars auprès d’investisseurs tels que UP.Partners.
La startup travaille déjà avec plusieurs entreprises, dont Cellforce, la filiale de Porsche spécialisée dans la fabrication de batteries. Elle a également travaillé avec la société de stockage d’énergie Form Energy, le fabricant japonais de matériaux et de produits chimiques Showa Denko (aujourd’hui Resonac) et la société de technologie des batteries Cuberg.
Tout ce processus commence par la liste des souhaits d’une entreprise – ou le profil de performance – pour une batterie. Les scientifiques d’Aionics, qui utilisent la mécanique quantique accélérée par l’IA, peuvent effectuer des expériences sur une base de données existante de milliards de molécules connues. Cela leur permet d’examiner 10 000 candidats par seconde, a expliqué M. Sendek. Ce modèle d’IA apprend à prédire le résultat de la simulation suivante et aide à sélectionner la molécule candidate suivante. Chaque fois qu’il est exécuté, davantage de données sont générées et il s’améliore pour résoudre le problème.
Entrez dans l’IA générative
Aionics a fait un pas de plus, dans certains cas, en faisant appel à l’IA générative. Au lieu de s’appuyer sur les milliards de molécules connues, Aionics a commencé à utiliser cette année des modèles d’IA générative formés à partir des données existantes sur les matériaux des batteries pour créer ou concevoir de nouvelles molécules destinées à une certaine application.
L’entreprise intensifie ses efforts en utilisant un logiciel développé dans le cadre du programme Accelerated Computational Electrochemical systems Discovery de l’université Carnegie Mellon. Venkat Viswanathan, qui a été professeur associé à la CMU et a dirigé ce programme, est cofondateur et directeur scientifique d’Aionics.
Aionics a également commencé à utiliser de grands modèles de langage construits sur GPT 4 d’OpenAI pour aider ses scientifiques à trier les millions de formulations possibles avant même de commencer à les analyser dans la base de données. Cet outil de chatbot, qui a été formé à partir de manuels de chimie et d’articles scientifiques sélectionnés par Aionics, n’est pas utilisé pour la découverte proprement dite, mais il peut être utilisé par les scientifiques pour éliminer certaines molécules qui ne seraient pas utiles dans une application particulière, a expliqué M. Sendek.
Une fois formés à l’aide de ces manuels, les LLM permettent aux scientifiques d’interroger le modèle. « Si vous pouviez parler à votre manuel, que lui demanderiez-vous ? a déclaré M. Sendek. Mais il s’est empressé de préciser que cette démarche ne diffère en rien de celle d’une personne chargée de la conservation des articles scientifiques. « Il s’agit simplement d’une interaction de niveau supérieur », a-t-il déclaré, ajoutant que tout est vérifiable en renvoyant aux sources utilisées pour former le chatbot.
« Je pense que ce qui est bon pour notre domaine, c’est que nous ne recherchons pas des faits spécifiques, mais des principes de conception », a-t-il déclaré en expliquant la fonction du chatbot.
Choisir un gagnant
Une fois que les milliards de candidats ont été passés au crible et réduits à quelques uns seulement – ou conçus à l’aide du modèle d’IA génératif – Aionics envoie à ses clients des échantillons à des fins de validation.
« Si nous ne sommes pas retenus au premier tour, nous itérons et nous pouvons mener des essais cliniques pour le prouver jusqu’à ce que nous trouvions le gagnant », a déclaré M. Sendek. « Et une fois que nous avons trouvé le gagnant, nous travaillons avec nos partenaires de fabrication pour mettre à l’échelle cette fabrication et la commercialiser.
Curieusement, ce processus est même utilisé dans des domaines nouveaux comme le ciment. Chement, une startup cofondée par Viswanathan et également partenaire d’Aionics, travaille sur les moyens d’utiliser l’électricité renouvelable et les matières premières pour stimuler les réactions chimiques afin de fabriquer des produits à zéro émission comme le ciment.