Quand l’intelligence artificielle rencontre la science des
polymères : potentialités et perspectives
L’intelligence artificielle (IA) et l’apprentissage automatique (machine learning, ML)
transforment la science des polymères en introduisant de nouvelles approches pour la
modélisation, la prédiction et l’automatisation expérimentale.1 Cette présentation
débutera par une introduction accessible aux concepts fondamentaux de l’IA et du ML
en soulignant leur potentiel pour accélérer la recherche et l’innovation dans ce
domaine. Nous présenterons ensuite deux études de cas récentes : (i) l’utilisation de
réseaux de neurones profonds pour prédire les morphologies d’auto-assemblage de
copolymères,2 et (ii) pour la détection et la mesure automatisées de nanostructures
polymères à partir d’images de microscopie. 3
Au-delà de ces applications illustratives, l’exposé abordera les principaux défis freinant
une intégration plus large de l’IA dans ce domaine. Il s’agira notamment des
problématiques liées à la qualité des données, à l’absence de normalisation, à la taille
restreinte des jeux de données, ainsi qu’à la nécessité cruciale d’une collaboration
interdisciplinaire.
Related publications:
(1) Ferji, K. Basic concepts and tools of artificial intelligence in polymer science. Polym. Chem. 2025, 16, 2457-
2470.
(2) Fonseca Parra, E. P.; Oumerri, J.; Arteni, A. A.; Six, J.-L.; Armes, S. P.; Ferji, K. Neural Network-Driven
Exploration in Polymerization-Induced Self-Assembly: From 2D to 3D Pseudo-Phase Diagram. Macromolecules
2025, 58 (1), 61-73.
(3) Ferji, K. DetectNano: Deep Learning Detection in TEM Images for High-Throughput Polymer Nanostructure
Characterization. Nanoscale 2025, 10.1039/D5NR02446C. DOI: 10.1039/D5NR02446C.
