Rapport d'analyse de la taille, de la part et des tendances du marché de la découverte de matériaux – Aperçu et prévisions de l'industrie jusqu'en 2033

Qu'est-ce que l'IA en matière de découverte matérielle Taille du marché et taux de croissance

• Selon l'analyse de Data Bridge Market Research, l'IA sur le marché des découvertes matérielles a été évaluée à740,10 millions de dollars en 2025et devrait atteindre5 605,53 millions de dollars en 2033, croissance à unTCAC de 28,80 % de 2026 à 2033.
• Le marché connaît une croissance rapide en raison de la demande croissante de matériaux de pointe, des percées dans l'intelligence artificielle et l'apprentissage des machines et de l'expansion des applications dans les domaines de la technologie des piles, des semi-conducteurs, des produits chimiques, de l'aérospatiale et de la recherche pharmaceutique.
• La nécessité croissante d'accélérer le développement matériel, de réduire les coûts de recherche et d'améliorer la performance matérielle oblige les fabricants, les instituts de recherche et les entreprises technologiques à adopter des plates-formes de découverte alimentées par l'IA. L'apprentissage automatique, l'IA générative et la modélisation prédictive transforment les expériences d'essai et d'erreur traditionnelles en permettant un dépistage plus rapide des matériaux, la prédiction des propriétés et l'identification de matériaux innovants pour le stockage de l'énergie, l'électronique et les applications industrielles.

Taille du marché et prévisions

• Valeur du marché mondial (2025): 740,10 millions de dollars
• Valeur marchande prévue (2033): USD 5 605,53 Millions
• Prévisions CAGR (2026-2033): 28,80%
• Région phare en 2025 : Amérique du Nord
• Région de croissance la plus rapide: Asie Pacifique

Quelles sont les principales tendances de l'IA sur le marché de la découverte de matériaux

• L'Amérique du Nord a dominé l'IA sur le marché de la découverte de matériaux avec la plus grande part de revenus de 41,6 % en 2025, appuyée par une infrastructure de recherche avancée en matière d'IA, de solides investissements technologiques et la collaboration entre les universités, les établissements de recherche et les entreprises de sciences du matériel.
• L'Asie-Pacifique devrait être la région qui connaîtra la croissance la plus rapide dans un TCAC de 31,0 % entre 2026 et 2033, alimenté par l'expansion de la fabrication de semi-conducteurs, l'augmentation de la production de batteries et l'augmentation des investissements dans la recherche sur les matériaux alimentés par l'IA.
• Le segment des logiciels a dominé le marché avec une part de 55,0 % en 2025, grâce à l'adoption croissante de plates-formes informatiques alimentées par l'IA, d'outils de modélisation prédictive et de logiciels de simulation de calcul.
• Les services sont le type de composante qui connaît la croissance la plus rapide et qui devrait enregistrer un TCAC de 30,2 %, en raison de l'augmentation de la demande de services spécialisés et d'expertise technique.
• Le segment des produits chimiques a dominé la catégorie des types de matériaux avec une part des revenus de 30,0 % en 2025, en raison de l'adoption croissante de l'IA pour l'optimisation de la formulation chimique, le développement de catalyseurs et la découverte de matériaux spécialisés.
• L'apprentissage automatique représentait 36,0 % de la part de marché en 2025, en raison de son utilisation généralisée dans la prévision des biens matériels, l'optimisation de la composition et le dépistage des candidats.
• Le segment de la découverte de matériaux de stockage d'énergie et de batterie est la catégorie d'application qui connaît la croissance la plus rapide, avec un TCAC de 32,2 %, entraîné par une demande croissante d'amélioration des performances de la batterie, de la densité énergétique, de la vitesse de charge et de la sécurité.

Portée du rapport et AI dans la segmentation du marché des découvertes matérielles

Quelle est la tendance clé de l'IA sur le marché de la découverte de matériaux

• On adopte de plus en plus de modèles génériques d'IA et de fondation pour la découverte de matériaux afin de concevoir de nouveaux composés, de prédire les propriétés des matériaux et d'identifier les matériaux présentant des caractéristiques chimiques, mécaniques et électroniques spécifiques, ce qui réduit la dépendance à l'égard de la recherche conventionnelle sur les essais et les erreurs.
• Par exemple, en janvier 2025, Nature a publié des recherches sur MatterGen, un modèle d'IA générique développé pour concevoir des matériaux inorganiques aux propriétés chimiques, structurelles, mécaniques, électroniques et magnétiques ciblées. L'étude a démontré le potentiel de l'IA génératrice pour accélérer la découverte de nouveaux matériaux fonctionnels.
• Les plates-formes alimentées par l'IA permettent aux chercheurs d'explorer un éventail plus large de compositions de matériaux et d'accélérer l'identification des candidats pour les batteries, les semi-conducteurs, les cellules solaires et les applications industrielles avancées.
• L'intégration de l'apprentissage automatique aux simulations de calcul améliore le dépistage des matériaux potentiels avant la synthèse en laboratoire, aidant les chercheurs à prioriser les candidats prometteurs et à optimiser les flux de travail de la recherche.
• Les laboratoires autonomes combinent de plus en plus d'algorithmes d'IA, de robotique et de rétroaction expérimentale en temps réel pour automatiser la synthèse des matériaux, caractériser les résultats et affiner les expériences ultérieures.
• Par exemple, en octobre 2025, Nature Materials a publié une recherche sur SCIGEN, un cadre d'IA génératif qui intègre des contraintes structurelles pour découvrir les matériaux quantiques candidats. L'étude a généré plus de 10 millions de composés inorganiques et utilisé le dépistage computationnel pour identifier les structures prometteuses, mettant en évidence les progrès dans la conception de matériaux axés sur l'IA
• Comme les chercheurs privilégient de plus en plus rapidement le développement matériel, les propriétés matérielles personnalisées et l'expérimentation automatisée, l'adoption de plates-formes génératrices d'IA et de découvertes autonomes devrait se développer, renforçant ainsi le rôle de l'IA dans le cycle de vie de la recherche et du développement des matériaux.

Quels sont les principaux moteurs de l'IA sur le marché de la découverte de matériaux

• La demande croissante de matériaux de pointe dans les batteries, les semi-conducteurs, les énergies renouvelables et l'aérospatiale a considérablement accru le besoin de plates-formes alimentées par l'IA capables de prédire les propriétés des matériaux et d'identifier plus efficacement les composés prometteurs.
• Par exemple, en novembre 2023, Nature a publié des recherches sur le système d'apprentissage en profondeur GNoME de Google DeepMind, qui a identifié 2,2 millions de structures cristallines potentielles, y compris 381 000 matériaux stables prédits, élargissant le bassin de candidats pour les applications dans les batteries, les semi-conducteurs et d'autres technologies de pointe.
• Les fabricants, les entreprises technologiques et les instituts de recherche intègrent l'IA dans le développement des matériaux afin de réduire le temps de dépistage computationnel, d'améliorer la productivité de la recherche et d'accélérer le développement des matériaux ayant des caractéristiques de performance spécifiques à l'application.
• L'accès accru aux bases de données sur les matériaux de calcul, aux algorithmes d'apprentissage automatique et à l'informatique à haute performance permet aux chercheurs d'analyser des structures matérielles complexes et d'évaluer les composés potentiels avant de consacrer des ressources à des expériences physiques.
• Par exemple, en mars 2024, Chemical Science, publié par la Royal Society of Chemistry, a rapporté des recherches utilisant le dépistage informatisé guidé par l'IA et la synthèse en laboratoire pour découvrir deux nouvelles phases de ruthénate de calcium, démontrant le potentiel de l'IA pour accélérer la recherche sur les matériaux inorganiques et la validation expérimentale
• Étant donné que les industries comptent de plus en plus sur des matériaux de pointe pour améliorer l'efficacité énergétique, la performance électronique et les capacités de fabrication, les plates-formes de découverte axées sur l'IA devraient demeurer des outils importants pour accélérer l'innovation et réduire les goulets d'étranglement en matière de développement.

Quels sont les facteurs qui mettent en cause la croissance de l'IA sur le marché de la découverte matérielle

• La découverte de matériaux basés sur l'IA nécessite l'accès à des ensembles de données importants, fiables et normalisés, à d'importantes ressources informatiques et à une expertise scientifique spécialisée pour élaborer des modèles prédictifs précis et valider les matériaux proposés.
• Par exemple, en mars 2023, npj Computational Materials a publié une revue intitulée Small Data Machine Learning in Materials Science, soulignant comment les ensembles de données de formation limités peuvent limiter la précision du modèle et augmenter le risque de suradaptation, créant ainsi des défis pour la découverte fiable de matériel piloté par l'IA.
• Des données expérimentales incohérentes, des informations limitées sur les tentatives de synthèse infructueuses et des différences entre les prévisions de calcul et les résultats de laboratoire réels peuvent réduire la fiabilité du modèle et restreindre l'adoption commerciale.
• La nécessité d'une vérification expérimentale, d'une interprétation des modèles, d'une infrastructure spécialisée et d'une intégration avec les flux de travail en laboratoire continue d'accroître la complexité de la mise en oeuvre, en particulier pour les petits organismes de recherche et les fabricants disposant de ressources techniques limitées.
• Par exemple, en février 2024, Digital Discovery, publié par la Royal Society of Chemistry, a signalé des difficultés à reproduire les résultats d'un cadre d'apprentissage des machines dans le domaine de l'informatique des matériaux, à cerner les problèmes liés aux dépendances des logiciels, au suivi des versions, à l'organisation du code et à la documentation qui peuvent entraver la reproductibilité et la confiance dans la recherche fondée sur l'intelligence artificielle.
• Ces défis techniques et opérationnels peuvent ralentir la commercialisation des matériaux générés par l'IA, car les composés prédits doivent encore démontrer la synthésibilité pratique, la reproductibilité, la sécurité et la performance dans des conditions réelles avant l'adoption industrielle généralisée.

Comment l'IA dans le marché des découvertes matérielles est-elle segmentée

L'IA sur le marché de la découverte de matériaux est segmentée en fonction des composants, du type de matériaux, de la technologie et de l'application.

• Par composante

Sur la base de la composante, l'IA dans le marché de la découverte de matériaux est segmentée en logiciels, matériel et services. Le segment des logiciels a dominé le marché avec une part estimée à 55,0% en 2025, en raison de l'adoption croissante de plates-formes informatiques à moteur d'IA, d'outils de modélisation prédictive et de logiciels de simulation de calcul. Ces solutions permettent aux chercheurs d'analyser des ensembles de données scientifiques, de prédire les propriétés des matériaux et de filtrer les composés potentiels avant les expériences en laboratoire. L'intégration avec les systèmes de modélisation moléculaire et l'infrastructure informatique de haute performance améliore encore leurs capacités. Les plateformes logicielles supportent également la conception du matériel, la visualisation des données et l'automatisation des flux de travail de recherche. L'adoption croissante de l'apprentissage automatique et de l'IA génératrice renforce la demande de logiciels dans la fabrication de produits chimiques, l'électronique et le stockage d'énergie.

On s'attend à ce que le segment des services enregistre la croissance la plus rapide au TCAC de 30,2 % au cours de la période de prévision, en raison de la demande croissante de services spécialisés et d'expertise technique. Ces services comprennent le développement de modèles d'IA, la préparation de données scientifiques, l'intégration de plates-formes et le conseil en recherche informatique. Les entreprises de matériaux ont souvent besoin d'une assistance spécialisée pour intégrer des outils d'IA dans les flux de travail de recherche et de développement existants. Les fournisseurs de services aident également les organisations à valider les prévisions et à interpréter des résultats de calcul complexes. La demande croissante d'applications d'IA personnalisées soutient les activités de consultation et d'intégration. La collaboration entre les fournisseurs de logiciels, les spécialistes des matériaux et les fabricants industriels augmente les besoins en services.

• Par type de matériau

Sur la base du type de matériau, l'IA dans le marché de la découverte de matériaux est segmentée en polymères, métaux et alliages, céramiques, composites, nanomatériaux, semi-conducteurs, produits chimiques, biomatériaux,et d'autres. Le segment des produits chimiques a dominé le marché avec une part estimée de 30,0% en 2025, soutenue par l'adoption croissante de l'IA pour l'optimisation de la formulation chimique, le développement de catalyseurs et la découverte de matériaux spécialisés. Les fabricants de produits chimiques utilisent des modèles d'apprentissage automatique pour analyser les structures moléculaires et prédire les propriétés chimiques avant les essais expérimentaux. Le dépistage par l'IA aide également à identifier des composés prometteurs pour les revêtements, les adhésifs, les produits chimiques industriels et les polymères à haute performance. L'intégration de la chimie computationnelle et de l'analyse prédictive améliore l'efficacité de la recherche et réduit les expériences de laboratoire inutiles. La demande croissante de formulations chimiques de pointe dans la fabrication, l'énergie et l'électronique appuie l'adoption.

Le segment des semi-conducteurs devrait connaître la croissance la plus rapide à TCAC de 30,1 % au cours de la période de prévision, en raison de la demande croissante de matériaux électroniques de pointe et de technologies de puces de nouvelle génération. Les plateformes de découverte alimentées par l'IA permettent aux chercheurs d'évaluer les compositions de semi-conducteurs, de prédire les propriétés électriques et d'identifier les matériaux adaptés aux applications électroniques. La complexité croissante de la fabrication des puces accroît le besoin de matériaux qui améliorent la conductivité, la stabilité thermique et l'efficacité énergétique. Le dépistage informatique basé sur l'IA aide les chercheurs à étudier les matériaux candidats avant de s'engager dans des processus de fabrication coûteux. L'augmentation des investissements dans l'infrastructure de l'intelligence artificielle, l'électronique électrique et la fabrication avancée de semi-conducteurs créent une demande supplémentaire. L'intégration de l'apprentissage automatique aux simulations atomistes élargit la gamme de propriétés matérielles pouvant être évaluées.

• Par technologie

Sur la base de la technologie, l'IA dans le marché de la découverte matérielle est segmentée en apprentissage automatique, apprentissage profond, intelligence artificielle génératrice, traitement du langage naturel, analyse prédictive, réseaux neurographiques, etc. Le segment de l'apprentissage automatique a dominé le marché avec une part estimée à 36,0% en 2025, en raison de son utilisation généralisée dans la prévision des propriétés matérielles, l'optimisation de la composition et le dépistage des candidats. Les algorithmes d'apprentissage automatique identifient les relations entre les structures matérielles, les compositions et les caractéristiques de performance à l'aide de données expérimentales et de calcul. Ces capacités permettent aux chercheurs de prioriser les matériaux prometteurs et de réduire les essais répétitifs. Les techniques d'apprentissage supervisées et non supervisées appuient également la classification du matériel et l'identification des modèles dans des ensembles de données complexes. L'intégration aux logiciels de simulation et aux bases de données scientifiques améliore encore l'utilité des modèles.

Le segment de l'intelligence artificielle génératrice devrait enregistrer la croissance la plus rapide à un TCAC de 37,1 % au cours de la période de prévision, en raison de la demande croissante de systèmes d'IA capables de concevoir des matériaux ayant des propriétés ciblées. Les modèles génériques peuvent proposer de nouvelles structures moléculaires et de nouvelles compositions de matériaux qui pourraient ne pas être facilement identifiées par un dépistage conventionnel. Les chercheurs peuvent utiliser ces systèmes pour explorer des matériaux candidats ayant des caractéristiques mécaniques, chimiques, thermiques ou électroniques spécifiques. Les progrès dans les modèles de base et les algorithmes générateurs augmentent leur application dans les matériaux de batterie, les catalyseurs, les polymères et la recherche sur les semi-conducteurs. L'intégration avec les simulations de calcul permet d'évaluer les matériaux proposés avant la synthèse physique. L'intérêt croissant pour l'innovation accélérée des matériaux encourage les instituts de recherche et les fabricants à adopter ces technologies.

• Par demande

Sur la base de l'application, l'IA dans le marché de la découverte de matériaux est segmentée en prédiction de propriétés matérielles, modélisation et simulation moléculaires, découverte de matériaux de stockage de piles et d'énergie, découverte de matériaux de semi-conducteurs et d'électronique, découverte de matériaux pharmaceutiques et pharmaceutiques, découverte et optimisation de catalyseurs, conception et développement de polymères, prédiction de parcours de synthèse de matériaux, etc. Le segment de la prévision des propriétés matérielles a dominé le marché avec une part estimée à 38,0 % en 2025, en raison de la demande croissante de prévisions précises des caractéristiques matérielles avant la validation en laboratoire. Les modèles d'IA aident les chercheurs à estimer la résistance mécanique, la stabilité thermique, la conductivité électrique et la réactivité chimique. Ces prédictions permettent aux équipes de recherche de sélectionner plus efficacement les matériaux candidats et de prioriser les compositions prometteuses. L'intégration avec les outils de science des matériaux informatiques améliore l'analyse des relations structure-propriété complexes. Les fabricants utilisent également des modèles prédictifs pour guider le développement des produits et optimiser les performances des matériaux.

Le segment de la découverte de matériaux de stockage de piles et d'énergie devrait connaître la croissance la plus rapide au TCAC de 32,2 % au cours de la période de prévision, en raison de la demande croissante d'amélioration des performances de la batterie, de la densité énergétique, de la vitesse de charge et de la sécurité. Les plateformes basées sur l'IA aident les chercheurs à identifier et à évaluer les matériaux d'électrode, les électrolytes et d'autres composants de batterie aux propriétés électrochimiques prometteuses. Les modèles d'apprentissage automatique analysent des ensembles de données expérimentales pour prédire le comportement de la batterie et identifier les compositions candidates pour d'autres tests. L'adoption croissante de véhicules électriques et les investissements dans le stockage des énergies renouvelables font augmenter le besoin de technologies de pointe en matière de batteries. Le dépistage guidé par l'IA peut également aider les chercheurs à étudier des solutions de rechange aux matières premières coûteuses ou limitées par l'offre. L'intégration avec les laboratoires automatisés et les simulations de calcul accélère les flux de travail de la recherche sur les batteries.

Quelle région détient la plus grande part de l'IA dans le marché de la découverte de matériaux

• L'Amérique du Nord a dominé l'IA sur le marché de la découverte de matériaux avec la plus grande part de revenus de 41,6 % en 2025, appuyée par une infrastructure de recherche avancée en matière d'IA, de solides investissements technologiques et la collaboration entre les universités, les établissements de recherche et les entreprises de sciences du matériel.
• La région bénéficie également d'une solide collaboration entre les universités, les laboratoires gouvernementaux et les fabricants industriels, ainsi que de l'adoption croissante de plates-formes de recherche alimentées par l'IA dans les secteurs des produits pharmaceutiques, des semi-conducteurs, des produits chimiques et du stockage de l'énergie. L'augmentation des investissements dans l'informatique à haute performance, l'IA génératrice et la science des matériaux informatiques continue de renforcer la position de leader de l'Amérique du Nord sur le marché mondial.

L'IA aux États-Unis dans la découverte des matériaux

L'IA américaine sur le marché des découvertes matérielles connaît une forte croissance en raison de l'augmentation des investissements dans la recherche en intelligence artificielle, le développement de matériaux avancés et les technologies de chimie computationnelle. L'écosystème technologique mature du pays, ainsi que l'adoption croissante de l'apprentissage automatique, de l'IA générative et des systèmes de modélisation prédictive, stimulent la demande dans les applications de semi-conducteurs, pharmaceutiques, chimiques et de stockage d'énergie. En outre, l'accent mis de plus en plus sur l'accélération de la recherche et du développement, la réduction des coûts de découverte de matériaux et l'amélioration des performances matérielles accélère l'adoption de plateformes de découverte axées sur l'IA.

L'IA Asie-Pacifique dans la découverte de matériaux

L'IA Asie-Pacifique sur le marché de la découverte de matériaux devrait connaître une croissance rapide, tirée par l'expansion de la fabrication électronique, l'augmentation des investissements dans l'intelligence artificielle et l'augmentation de la demande de matériaux de pointe dans des pays comme la Chine, le Japon et l'Inde. L'adoption croissante de technologies d'apprentissage automatique, d'apprentissage approfondi et de simulation, ainsi que la demande croissante de piles, de semi-conducteurs et de matériaux chimiques innovants, favorisent l'expansion du marché régional. En outre, les investissements croissants dans les infrastructures de recherche et les collaborations entre les entreprises technologiques, les universités et les instituts de sciences des matériaux accélèrent l'adoption de l'IA dans les secteurs industriel et universitaire.

Japon AI in Material Discovery Market Insight

L'IA japonaise sur le marché des découvertes matérielles connaît une croissance constante en raison de l'augmentation des investissements dans la recherche sur les matériaux de pointe, l'innovation des semi-conducteurs et les technologies d'intelligence artificielle. Les fabricants d'électronique, les entreprises automobiles et les instituts de recherche adoptent de plus en plus des plateformes alimentées par l'IA pour accélérer le dépistage des matériaux, prévoir les propriétés des matériaux et améliorer l'efficacité de la recherche et du développement. De plus, la demande croissante de matériaux de batterie à haute performance, de polymères de pointe et de composants électroniques de la prochaine génération contribue davantage à la croissance du marché au Japon.

China AI in Material Discovery Market Insight

L'IA chinoise sur le marché de la découverte de matériaux augmente rapidement, en raison de l'expansion de la production de semi-conducteurs, de l'augmentation des investissements dans l'intelligence artificielle et de l'accroissement de l'autonomie technologique du gouvernement. L'adoption croissante de la modélisation et de l'analyse prédictive des matériaux utilisant l'IA dans la fabrication de piles, l'électronique, les produits chimiques et la recherche sur les matériaux de pointe stimule considérablement la demande du marché. En outre, l'augmentation des investissements dans les capacités de recherche nationales, les technologies de stockage de l'énergie et les matériaux à haute performance placent la Chine comme un marché de croissance clé pour la découverte de matériaux à base d'IA.

L'IA au Royaume-Uni dans la découverte de matériaux Aperçu du marché

L'IA britannique sur le marché de la découverte de matériaux connaît une croissance régulière, soutenue par l'adoption croissante de l'intelligence artificielle dans la recherche scientifique, le développement pharmaceutique et l'ingénierie avancée des matériaux. L'augmentation des investissements dans l'infrastructure de recherche sur l'IA et la demande croissante de solutions efficaces et fondées sur les données contribuent à la croissance du marché. De plus, l'intégration de l'apprentissage automatique, de l'IA générative et de la modélisation computationnelle améliore la prédiction matérielle et l'efficacité de la recherche, plaçant le Royaume-Uni comme un important pôle d'innovation dans l'IA dans l'industrie de la découverte matérielle.

Allemagne AI in Material Discovery Market Insight

En Allemagne, l'IA sur le marché de la découverte de matériaux ne cesse de croître en raison de la forte base industrielle du pays, des capacités d'ingénierie avancées et de l'adoption croissante de technologies d'IA de prochaine génération. Les fabricants d'automobiles, les entreprises chimiques, les concepteurs de semi-conducteurs et les instituts de recherche utilisent de plus en plus les plates-formes d'IA pour la conception des matériaux, la prévision des propriétés et les activités de recherche-développement. Les progrès continus de l'apprentissage automatique, de la simulation informatique et de l'ingénierie des matériaux axée sur les données, ainsi que la forte concentration de l'industrie sur l'innovation et l'efficacité de la fabrication, stimulent davantage la croissance du marché en Allemagne.

Quelles sont les meilleures entreprises de l'IA sur le marché de la découverte matérielle

L'IA dans l'industrie de la découverte de matériaux est principalement dirigée par des entreprises bien établies, notamment:

• Citrine Informatique, Inc. (États-Unis)
• La société Schrödinger, Inc.(États-Unis)
• Matériaux. Zone Technologies Ltd. (Israël)
• Kebotix, Inc. (États-Unis)
• Aionics, Inc.(États-Unis)
• CuspAI Ltd. (Royaume-Uni)
• Chimie computationnelle préférée, Inc. (Japon)
• Enwindt, Inc. (États-Unis)
• Instituts de recherche de l'UL (États-Unis)
• Matériaux découverts (États-Unis)
• Yonder Materials (États-Unis)
• Doublet Labs (États-Unis)
• Thétique (Royaume-Uni)
• XtalPi Holdings Limited (Chine)
• SES AI Corporation (États-Unis)
• Société QuantumScape (États-Unis)
• Schrödinger Science des matériaux (États-Unis)
• NVIDIA Corporation (États-Unis)
• Société de machines commerciales internationales (États-Unis)
• Microsoft Corporation (États-Unis)

Quels sont les derniers développements de l'IA sur le marché de la découverte de matériaux

• En juin 2025, Aionics a lancé sa plateforme d'intelligence moléculaire artificielle (AMI), conçue pour accélérer le développement de formulations pour les électrolytes de batterie et autres applications chimiques. La plateforme utilise l'IA pour analyser les formulations chimiques complexes tout en tenant compte des interactions moléculaires et des contraintes pratiques de formulation, aidant les chercheurs à évaluer plus efficacement les matériaux potentiels. Ce lancement met en lumière le rôle croissant des systèmes d'IA spécialisés dans l'accélération de la recherche sur les matériaux et de l'innovation dans les batteries.
• En avril 2025, SES AI a annoncé sa plateforme de découverte de matériaux de l'Univers moléculaire MU-0, combinant des méthodes basées sur la physique et l'intelligence artificielle pour soutenir la découverte de matériaux de batterie. La société a prévu de démontrer la plate-forme de logiciels et de services pour montrer comment l'analyse moléculaire utilisant l'IA pourrait soutenir le développement de technologies de pointe de piles au lithium-métal et au lithium-ion. Cette évolution reflète l'utilisation croissante d'outils pilotés par l'IA pour accélérer la découverte de matériaux pour le stockage de l'énergie.
• En juillet 2024, les chercheurs du Laboratoire national d'accélération de la SSAC et de l'Université Stanford ont introduit une approche fondée sur l'IA pour la découverte de matériaux ciblés. La méthode a été conçue pour améliorer l'efficacité de la collecte et de l'analyse des données tout en cherchant des matériaux ayant des propriétés spécifiques. La recherche pourrait aider les scientifiques à identifier des candidats prometteurs pour des applications allant des technologies climatiques à l'informatique quantique, tout en soutenant le développement de flux de travail expérimentaux plus automatisés.
• En novembre 2023, Google DeepMind a annoncé que son outil d'apprentissage en profondeur GNoME avait prédit 2,2 millions de nouvelles structures cristallines, dont environ 380 000 devraient être stables et potentiellement utiles pour les technologies futures. L'équipe a mis les structures prometteuses prévues à la disposition du milieu de la recherche dans le cadre du projet Matériaux, en appuyant des recherches plus poussées sur les matériaux destinés aux piles, à l'électronique et à d'autres applications. Le développement a démontré comment l'IA pouvait élargir la gamme de matériaux candidats disponibles pour les essais scientifiques.
• En juillet 2021, Preferred Computational Chemistry a lancé Matlantis comme un service de simulation atomistique basé sur le nuage. Développée avec Preferred Networks et ENEOS, la plateforme a intégré l'apprentissage profond avec la simulation physique conventionnelle pour accélérer l'analyse du comportement matériel à l'échelle atomique. Son approche a été conçue pour aider les chercheurs industriels et universitaires à explorer un plus grand nombre de matériaux potentiels de façon plus efficace, ce qui marque un développement commercial important dans la découverte de matériaux alimentés par l'IA.

SKU-76906