Le cerveau humain fonctionne entièrement via des réactions chimiques, et pourtant on le présente comme l’ordinateur le plus puissant au monde. Le projet européen CORENET a vérifié si un principe semblable peut être exploité en laboratoire : des réseaux de réactions chimiques dans des réacteurs microfluidiques ont traité des données, et l’intelligence artificielle y a lu les réponses. La chimie, l’informatique et l’analyse de données s’y retrouvent autour de la même table – et à la fin, vous pourrez vérifier si cette façon de travailler vous convient.
Quand on pense aux ordinateurs, on imagine généralement des processeurs, des câbles et des écrans. Le contenu publié par CORDIS commence par une autre comparaison : l’ordinateur le plus puissant au monde est le cerveau humain, et il fonctionne entièrement via des réactions chimiques. D’où la question que se sont posée les chercheurs du projet européen CORENET : la chimie peut-elle servir de modèle à une forme de calcul entièrement nouvelle ?
Soutenu par l’UE et financé par le Conseil européen de l’innovation, le projet développe des dispositifs de calcul inspirés du cerveau. L’information y est traitée par des réseaux de réactions chimiques, appelés CRN. Les molécules deviennent porteuses de données, et leurs transformations deviennent la manière de traiter ces données. Ces travaux s’inscrivent dans une initiative réunissant plusieurs projets financés par l’UE afin de faire progresser l’apprentissage automatique.
Wilhelm Huck, professeur et responsable de l’équipe CORENET à l’université Radboud, aux Pays-Bas, résume l’idée : « Nous nous sommes inspirés du cerveau humain, qui est lui-même un processeur chimique. Nous avons donc voulu démontrer que des réseaux de réactions dynamiques, confinés dans des environnements microfluidiques, peuvent exécuter des tâches de calcul de haut niveau ».
La technique utilisée par les scientifiques s’appelle le calcul par réservoir. L’équipe l’a mise en œuvre sur des puces microfluidiques, c’est-à-dire dans de minuscules réacteurs où circulent des substances chimiques. Le point de départ est une couche d’entrée chimique composée :
Ensemble, ces éléments constituent le réservoir. Les réactions partent de simples molécules contenant un ou deux atomes de carbone, puis enrichissent l’espace chimique en générant des dizaines de composés structurellement plus complexes.
L’essentiel, c’est que le résultat des réactions n’a rien d’aléatoire. Les conditions d’entrée sont corrélées à la composition des produits obtenus : des réglages différents au départ donnent un ensemble différent de molécules à l’arrivée. Ce profil réactionnel peut ensuite être analysé.
C’est là qu’interviennent l’intelligence artificielle et l’apprentissage automatique. Les algorithmes extraient de la réponse chimique des informations pertinentes. En pratique, les réactions effectuent une partie du travail de calcul, et les outils d’IA aident à lire ce qu’il en ressort.
L’une des principales réalisations du projet a été le développement et l’automatisation de chaînes de calcul par réservoir chimique. Des entrées chimiques circulant dans des réacteurs microfluidiques produisaient des réponses non linéaires, ensuite analysées et interprétées pour résoudre des problèmes de classification et de prédiction.
Les chercheurs ont également mis au point des protocoles permettant de contrôler, de surveiller et de piloter ces réseaux réactionnels. Selon CORDIS, il s’agit d’une étape importante vers une informatique moléculaire évolutive.
Les résultats ont été présentés dans un article majeur publié dans « Nature » sous le titre « Chemical reservoir computation in a self-organizing reaction network ». Il a montré comment les réactions de formose et des systèmes apparentés peuvent servir de supports au calcul moléculaire. Des travaux complémentaires sont en cours d’achèvement : ils doivent démontrer que le concept peut être généralisé grâce à un calculateur par réservoir performant reposant sur un nouveau réseau de réactions.
CORENET montre à quel point les frontières entre les filières s’estompent. Andres de la Escosura, coordinateur du projet et professeur associé à l’université autonome de Madrid, souligne que la réussite tient à la coopération de nombreuses spécialités : « Nous avons été enthousiasmés par les performances de cette approche et par la manière dont notre remarquable équipe de chercheurs issus du monde universitaire et de l’industrie s’est mobilisée pour relever cet ambitieux défi, à la croisée de la chimie des systèmes, de la microfluidique, de la métabolomique et de l’IA ».
Pour celles et ceux qui choisissent une filière ou une spécialisation, on peut en tirer plusieurs leçons. Une chimiste qui maîtrise l’analyse de données peut rejoindre une équipe qui travaille sur l’avenir du calcul. Un informaticien ou un spécialiste de l’apprentissage automatique peut trouver des tâches passionnantes là où les données ne viennent pas d’un écran, mais d’un microréacteur. On remarquera aussi que des chercheurs universitaires et industriels ont travaillé ensemble : ce type de recherche ne reste pas enfermé dans les murs de l’université.
Au vu des travaux de l’équipe, plusieurs domaines se croisent au quotidien dans ce genre de projet : la chimie des réactions et la catalyse, la microfluidique, l’analyse de la composition des mélanges et l’apprentissage automatique. Personne n’est obligé de tout maîtriser à la fois, mais il est plus facile de trouver sa place dans une telle équipe quand on comprend le langage des disciplines voisines.
CORENET est une tentative de construire des dispositifs de calcul dans lesquels des réactions chimiques traitent l’information, à l’image du cerveau humain. Les chercheurs ont montré que des réseaux de réactions dans des réacteurs microfluidiques produisent des réponses que l’intelligence artificielle sait transformer en solutions à des problèmes de classification et de prédiction. Un tel travail exige des personnes venues de domaines différents, de la chimie des systèmes à l’IA.
Cet article s’appuie sur des contenus publiés par le service CORDIS de la Commission européenne.
5 questions · une minute
English
Čeština
Deutsch
Español
Français
Magyar
Italiano
Polski
Português
Русский
Slovenčina
Türkçe
Українська
العربية
中文