Sur la piste des atomes d’hydrogène manquants

On recourt fréquemment à l’intelligence artificielle (IA) pour générer des images. Dans la recherche, on utilise certains modèles d’IA spécialisés pour des applications scientifiques, par exemple pour prédire la position des atomes dans les matériaux. Ainsi, le modèle MatterGen, développé par Microsoft, est capable de générer des structures cristallines complexes à partir de quelques indications: les atomes qu’elles doivent contenir, en quelles quantités. Les scientifiques utilisent ensuite ces structures pour réaliser des simulations informatiques de nouveaux matériaux.

Un groupe de recherche, emmené par Giovanni Pizzi du Centre de calcul scientifique, théorie et données à l’Institut Paul Scherrer PSI, vient de trouver un moyen pour résoudre un problème concret en science des matériaux à l’aide d’une IA: celui des positions d’atomes manquantes dans des structures par ailleurs connues. Ces travaux ont été conduits en collaboration avec des scientifiques des universités de Parme et de Modène en Italie. Comme ils viennent de le rapporter dans la revue spécialisée npj Computational Materials, ces scientifiques en science des matériaux ont utilisé une approche que l’on emploie normalement dans le traitement d’images ou la vision artificielle, c’est-à-dire la reconnaissance et l’interprétation d’informations visuelles à l’aide d’une IA.

Cette approche permet de simuler, pour la première fois ou avec une meilleure précision, des matériaux connus sur le plan expérimental mais qui jusque-là restaient inaccessibles sur le plan théorique. Ce faisant, les scientifiques apportent une contribution à l’exploration de nouveaux matériaux dotés de propriétés bien particulières, par exemple pour le stockage de l’hydrogène ou encore pour le développement potentiel de nouveaux supraconducteurs.

Des atomes d’hydrogène «invisibles»

«Lorsque nous menons nos simulations de propriétés de matériaux, nous dépendons des informations contenues dans des banques de données qui nous disent où se trouve tel atome dans telle structure cristalline», explique Timo Reents, doctorant dans le groupe de Giovanni Pizzi. Mais dans ce contexte, l’hydrogène est un élément qui représente un défi. En effet, même s’il fait souvent partie du réseau cristallin, sa présence est difficile à mettre en évidence de manière expérimentale avec les méthodes traditionnelles qui mesurent la disposition des atomes par diffraction des rayons X. En conséquence, les positions des atomes d’hydrogène sont souvent imprécises dans les représentations des cristaux ou complètement absentes des visualisations.

Mais la connaissance précise des positions des atomes est indispensable pour conduire les simulations informatiques qui permettent aux scientifiques de prédire certaines propriétés des matériaux, comme la conductivité électrique ou thermique. «Lorsque les informations sur les atomes d’hydrogène manquent, nous avons un problème, résume Giovanni Pizzi. Car souvent, nous devons exclure précisément pour cette raison l’utilisation de milliers de matériaux potentiellement intéressants de nos simulations.» C’est à ce niveau qu’intervient l’IA.

Quand il manque une patte au chien sur la photo

Dans le cas de la vision artificielle, on utilise des modèles dits de diffusion. Lorsqu’on y recourt pour compléter des informations visuelles manquantes, on parle d’«inpainting» ou de retouche numérique. Cette méthode permet par exemple de rajouter sur une photo la patte d’un chien qui était masquée sur l’image d’origine.

Les premières approches en matière de vision artificielle consistaient souvent à «brouiller» dans un premier temps l’image entière du chien, c’est-à-dire à la recouvrir délibérément d’informations visuelles aléatoires, pour ensuite, dans un deuxième temps, reconstituer la photo avec les quatre pattes. Entre-temps, la norme consiste à varier l’intensité du brouillage en fonction de la zone de l’image: seules les zones inconnues où la patte doit être ajoutée sont fortement brouillées.

Cette pratique bien établie dans le domaine de la vision artificielle n’existait pas jusqu’ici dans la reconstitution de positions d’atomes. C’est la raison pour laquelle l’équipe de Giovanni Pizzi vient de développer le modèle open source adapté, baptisé XtalPaint, sur la base de MatterGen de Microsoft. «Avec lui, nous réunissons les avantages de la vision artificielle moderne et de la reconstitution de cristaux, relève Timo Reents. Seules les positions inconnues dans le cristal sont brouillées, alors que les positions connues restent largement inchangées pendant le processus.»

Tout comme les approches modernes d’inpainting en vision artificielle, cette méthode offre une plus grande efficacité: «Lors de la reconstitution par étapes, XtalPaint peut s’orienter dès le départ en fonction du cristal existant, explique Timo Reents. Cela augmente son taux de réussite et permet également d’économiser de la puissance de calcul.»

Applicable également au lithium et au sodium

Pour vérifier leur méthode, les scientifiques ont retiré les positions d’atomes d’hydrogène de structures cristallines déjà connues et ont ensuite utilisé XtalPaint pour la reconstitution. Résultat: ils ont retrouvé les positions connues dans 87 % des cas et même des configurations encore plus stables sur le plan énergétique dans 10 % supplémentaires. «Dans l’ensemble, cela signifie que le taux de réussite de XtalPaint est de 97 %», se réjouit Timo Reents.

«Nous pouvons à présent utiliser notre méthode pour compléter les positions d’hydrogène manquantes dans les banques de données», conclut Giovanni Pizzi. Ses collaborateurs ont également repéré des erreurs dans les banques de données, qui peuvent provenir de la transposition de publications originales. Par ailleurs, la méthode ne se limite pas aux atomes d’hydrogène, mais pourrait être appliquée, par exemple, au lithium et au sodium, deux éléments cruciaux dans le développement des nouvelles batteries.

Texte: Oliver Morsch

À propos du PSI

L'Institut Paul Scherrer PSI développe, construit et exploite des grandes installations de recherche complexes et les met à la disposition de la communauté scientifique nationale et internationale. Les domaines de recherche de l'institut sont centrés sur des technologies d'avenir, énergie et climat, innovation santé ainsi que fondements de la nature. La formation des générations futures est un souci central du PSI. Pour cette raison, environ un quart de nos collaborateurs sont des postdocs, des doctorants ou des apprentis. Au total, le PSI emploie 2300 personnes, étant ainsi le plus grand institut de recherche de Suisse. Le budget annuel est d'environ CHF 450 millions. Le PSI fait partie du domaine des EPF, les autres membres étant l'ETH Zurich, l'EPF Lausanne, l'Eawag (Institut de Recherche de l'Eau), l'Empa (Laboratoire fédéral d'essai des matériaux et de recherche) et le WSL (Institut fédéral de recherches sur la forêt, la neige et le paysage).

Contact

Dr. Giovanni Pizzi
PSI Center for Scientific Computing, Theory and Data
Institut Paul Scherrer PSI

+41 56 310 58 24
giovanni.pizzi@psi.ch
[français, anglais, italien]

Timo Reents
PSI Center for Scientific Computing, Theory and Data
Institut Paul Scherrer PSI

+41 56 310 32 73
timo.reents@psi.ch
[allemand, anglais]

Publication originale

Score-based diffusion models for accurate crystal-structure inpainting and reconstruction of hydrogen positions
Timo Reents, Arianna Cantarella, Marnik Bercx, Pietro Bonfà, Giovanni Pizzi
npj Computational Materials, 11.06.2026 (en ligne)
DOI: 10.1038/s41524-026-02090-1

Le communiqué de presse sur le site de l'Institut Paul Scherrer PSI:
https://www.psi.ch/fr/news/communiques-de-presse/sur-la-piste-des-atomes-d-hydrogene-manquants