Entretien avec Alexis DESCHAMPS :
Quels sont les buts de cette chaire "Machine Learning for Materials Design
& Efficient Systems" ?
Les objectifs applicatifs de cette chaire sont la conception de matériaux répondant à des portefeuilles complexes de propriétés : à la fois physiques, chimiques, mécaniques, mais aussi répondant à des problématiques d’impact écologique, d’épuisement des ressources, de recyclabilité, et bien sûr de coût. Face à cette complexité des cahiers des charges, et au caractère multidimensionnel de l’espace de conception des matériaux, à travers les paramètres de composition chimique (facilement une dizaine) et des procédés d’élaboration (au moins autant), l’objectif est de développer des techniques d’apprentissage machine permettant d’accélérer radicalement la conception de matériaux et d’aller vers des solutions optimisées. La spécificité de la chaire sera de développer des outils semi-supervisés utilisant au mieux la rétroaction de l’expert matériaux. Les applications seront diverses, depuis les alliages métalliques complexes jusqu’aux molécules métal-organiques pour stockage du CO2, en passant par le pilotage des procédés. Cette chaire est en lien avec plusieurs partenaires industriels : ArcelorMittal, Constellium, Total, ATOS, Mentor Graphics qui collaboreront donc avec Grenoble INP, le SIMaP, le LIG ainsi que l’UGA et l’Institut Fourier (IF).
Quels sont les liens entre "Matériaux" et "Informatique /IA" ?
Comme indiqué ci-dessus, l’espace de conception des matériaux est d’une dimensionnalité telle qu’il est impossible de l’explorer en totalité, ce qui ouvre la voie à des approches numériques, couplant science des données et approches d’apprentissage. L’accès aux données est bien sûr critique, celles-ci pouvant être issues de calculs à différentes échelles (depuis l’échelle atomique), ou d’expériences à haut débit, comme celles qui seront permises par la mise à jour majeure du synchrotron européen ESRF en 2020. Cette chaire met en œuvre une collaboration entre un laboratoire de matériaux (le SIMaP) et deux laboratoires spécialisés dans les approches d’apprentissage, de classification et de sciences des données (LIG et IF), afin de mettre en œuvre ces approches d’IA sur des données pertinentes, avec une expertise sur le lien entre ces données et la conception des matériaux.
Comment fonctionne cette chaire ?
Une chaire fonctionne comme un mini-Labex, et finance des travaux scientifiques sous forme de thèses et/ou de post doc. Certains des travaux seront financés directement par la chaire, d’autres par les industriels, le tout dans un esprit de forte interaction. Des interactions seront encouragées également avec les autres chaires de l’institut MIAI*, au travers d’une animation scientifique régulière.
Côté formation, pour Grenoble INP - Phelma, quelles sont les retombées ?
L’institut MIAI a un volet formation, dont l’objectif est de doubler dans les prochaines années les étudiants formés à l’IA sur le site grenoblois. En particulier, des modules de formation à l’IA seront proposés à un large public, à différents niveaux (L, M, D) et dans différents formats, avec soit un objectif de formation à la conception d’outils d’IA ("cœur IA") ou à leur utilisation ("applications IA"). Les étudiants de Phelma pourront sans aucun doute bénéficier de ces modules pour se forger une compétence IA en plus de leurs cours de spécialité. En effet, toutes les entreprises sont engagées dans leur transition numérique, et sont en recherche d’ingénieurs maîtrisant d’abord leur domaine scientifique et technique de cœur de métier, mais ayant également une connaissance des apports de l’IA pour l’industrie.
* MIAI
MIAI Grenoble Alpes (Multidisciplinary Institute in Artificial intelligence) est un projet porté par l’UI et reconnu par l’Etat pour accueillir à Grenoble un institut interdisciplinaire d'intelligence artificielle - 3IA. Avec un budget de 18,5 millions d'euros par an pendant 4 ans ce projet vise à conduire des recherches au plus haut niveau en intelligence artificielle, à proposer des enseignements attractifs pour les étudiant.e.s et les professionnel.le.s de tous les niveaux, à soutenir l'innovation dans les grandes entreprises, les PMEs et les startups et enfin à informer et interagir avec les citoyen.ne.s sur tous les aspects de l'IA.
