Generating is not discovering: a pre-registered physics judge for AI-proposed superconductors, calibrated on six known superconductors and one negative control

La recherche de nouveaux supraconducteurs — des matériaux qui conduisent l'électricité sans aucune résistance — est entrée dans une nouvelle ère où l'intelligence artificielle est sollicitée pour les imaginer. Depuis des décennies, les scientifiques savent que pour qu'un matériau devienne supraconducteur, ses électrons doivent s'apparier d'une manière spécifique, et le matériau doit être suffisamment robuste pour être étiré en fil pour un usage pratique. Récemment, de puissants modèles informatiques ont commencé à générer des millions de nouvelles structures cristallines, affirmant qu'elles sont stables et prometteuses. Cependant, une question critique reste sans réponse : ces idées générées par ordinateur possèdent-elles réellement les propriétés physiques nécessaires pour fonctionner, ou ne sont-elles que des formes mathématiquement stables qui échouent face aux lois de la physique ? Le domaine manquait d'une méthode standard pour vérifier si un matériau proposé peut véritablement apparier ses électrons et survivre au passage du banc de laboratoire à une application concrète.

Reinaldo Inácio, un chercheur basé à São Paulo, a construit un système de test rigoureux pour répondre à cette question. Il l'appelle un « juge de la physique ». Contrairement aux méthodes précédentes qui vérifient simplement si une structure tient debout, ce juge simule le comportement complexe des électrons pour voir s'ils vont s'apparier et former un état supraconducteur. Le système prend une structure cristalline en entrée et la fait passer par une série de sept étapes strictes. D'abord, il calcule la structure électronique du matériau. Ensuite, il construit un modèle simplifié pour suivre le mouvement des électrons. Puis, il calcule la façon dont le matériau réagit aux fluctuations magnétiques, qui sont les forces qui causent souvent l'appariement des électrons dans les supraconducteurs à haute température. Enfin, il vérifie si le matériau peut être transformé en fil, en examinant des facteurs tels que le comportement des électrons aux limites entre les cristaux et la manière dont le matériau gère les contraintes. Chaque étape est régie par des règles préétablies, et l'ensemble du processus est conçu pour être transparent et reproductible, chaque calcul étant enregistré afin que quiconque puisse vérifier le résultat.

Pour prouver l'efficacité de ce juge, le chercheur l'a d'abord testé sur six supraconducteurs connus, incluant des matériaux comme le niobium et un composé à base de cuivre appelé YBa2Cu3O7. Avant de lancer les calculs, il a consigné précisément ce que le juge devait trouver pour chaque matériau, créant ainsi un ensemble de « clés de correction ». Le système a identifié avec succès le comportement d'appariement correct pour les six matériaux connus, confirmant qu'il pouvait reconnaître la physique des vrais supraconducteurs. Le juge a également correctement identifié un contrôle négatif : un matériau qui ressemble énormément à un supraconducteur connu mais qui n'est pas réellement supraconducteur. Lorsque le juge a analysé ce matériau non supraconducteur, il a correctement déterminé que les électrons ne s'apparieraient pas, même si la structure du matériau était presque identique à celle d'un matériau fonctionnel. Cela a montré que le juge est assez sensible pour distinguer les matériaux qui fonctionnent de ceux qui ne fonctionnent pas, en se basant sur des différences subtiles dans leurs interactions électroniques.

Le chercheur a ensuite utilisé ce juge pour auditer les résultats de générateurs d'intelligence artificielle actuels. Il a examiné des milliers de structures proposées par des systèmes d'IA et les a soumises au juge de la physique. Les résultats sont frappants. Lorsque le juge a analysé 1 248 nouvelles structures générées par un système d'IA appelé MatterGen, il n'a trouvé aucun candidat qui soit à la fois nouveau et capable de porter l'appariement d'électrons spécifique nécessaire à un fil. De même, lorsque le juge a scanné plus de 47 000 composés provenant d'une base de données publique, il a constaté que si beaucoup possédaient la bonne forme géométrique, ils manquaient de la force électronique nécessaire pour devenir des supraconducteurs. L'étude a conclu que la génération actuelle d'outils d'IA est excellente pour trouver des formes stables, mais qu'elle ne découvre pas encore de nouvelles physiques. L'IA est essentiellement en train de redécouvrir des matériaux que les scientifiques connaissent déjà, ou de proposer des structures qui semblent prometteuses sur le papier mais qui échouent au test physique de l'appariement des électrons.

L'article soutient que le goulot d'étranglement de la découverte de nouveaux supraconducteurs n'est plus la capacité à générer des idées, mais la capacité à les juger. Le coût de l'exécution de ce juge de la physique sur un nouveau matériau est étonnamment bas, estimé à moins de 200 dollars américains en coûts de calcul en nuage pour l'ensemble de l'étude. Le chercheur propose que la communauté scientifique adopte ce juge comme un standard public. Avant que tout nouveau matériau généré par l'IA ne soit célébré comme une découverte, il devrait passer par ce test pour voir s'il possède réellement la physique requise pour accomplir sa tâche. Tant qu'un tel test n'est pas appliqué, les milliers de structures « stables » proposées par l'IA restent des idées non prouvées. L'étude suggère que la véritable découverte ne se produira que lorsque la génération de nouvelles idées sera assortie d'un filtre rigoureux, basé sur la physique, capable de dire « non » aux matériaux qui ne peuvent pas fonctionner, garantissant ainsi que les efforts futurs se concentrent uniquement sur les candidats ayant une chance réelle de devenir la prochaine génération de fils supraconducteurs.