Après 30 ans de mystère, une IA départage 16 méthodes pour comprendre la structure de l’eau
Refroidie sous zéro sans jamais geler, l'eau prend une structure que les physiciens décrivent depuis trente ans sans réussir à se mettre d'accord. Seize méthodes rivales cohabitaient, et aucune ne se comparait vraiment aux autres.
Depuis les années 1990, les scientifiques cherchent à comprendre la structure moléculaire de l’eau liquide, un défi complexe en raison de sa nature dynamique et désordonnée. Seize théories principales ont été proposées pour expliquer comment les molécules d’eau s’organisent entre elles, mais aucune n’avait pu être validée de manière définitive. Cette incertitude persistait malgré des avancées technologiques comme la spectroscopie (une méthode d’analyse des propriétés de la matière à partir de la lumière) ou la simulation informatique. Les chercheurs étaient donc confrontés à un casse-tête scientifique : comment trancher entre ces 16 modèles ?
Des scientifiques ont utilisé une intelligence artificielle (IA) pour évaluer ces 16 méthodes. L’IA a analysé des données expérimentales et des simulations pour déterminer laquelle de ces théories était la plus cohérente avec les observations réelles. Cette approche repose sur des algorithmes de machine learning (apprentissage automatique), une branche de l’IA qui permet aux ordinateurs d’apprendre à partir de données sans être explicitement programmés. L’objectif était de comparer les prédictions de chaque modèle avec des résultats expérimentaux, comme ceux obtenus par diffraction des rayons X (une technique pour étudier la structure des matériaux).
Contrairement aux attentes, l’IA n’a pas désigné un seul modèle comme étant le plus fiable. Elle a plutôt révélé que plusieurs théories, initialement considérées comme incompatibles, pouvaient coexister pour expliquer différents aspects de la structure de l’eau. Par exemple, certaines méthodes décrivent mieux les interactions à courte distance entre les molécules, tandis que d’autres expliquent mieux les propriétés à plus grande échelle. Cette découverte suggère que l’eau liquide pourrait être décrite par un patchwork de modèles, chacun couvrant une partie de sa complexité.
Cette avancée ouvre de nouvelles perspectives pour la recherche sur l’eau, une substance essentielle à la vie. Elle pourrait notamment améliorer la compréhension des phénomènes comme la dissolution des sels, la formation des nuages ou les réactions chimiques dans les milieux aqueux. Les scientifiques espèrent aussi que cette méthode basée sur l’IA pourra être appliquée à d’autres substances mal comprises, comme les liquides ioniques (des sels fondus utilisés dans les batteries). Cependant, des travaux supplémentaires seront nécessaires pour affiner ces résultats et explorer les implications pratiques.
L’étude souligne aussi les limites actuelles de l’IA dans ce domaine. Les modèles utilisés dépendent fortement des données disponibles, qui peuvent être incomplètes ou biaisées. Par exemple, certaines expériences de spectroscopie ne couvrent que des plages limitées de fréquences. Les chercheurs prévoient donc de collecter davantage de données et d’améliorer les algorithmes pour obtenir des résultats encore plus précis. À plus long terme, cette approche pourrait révolutionner la modélisation des liquides, un domaine où les théories traditionnelles peinent à rendre compte de la réalité.
