Vous êtes ici : Accueil > Actualités > Simuler le comportement des noyaux grâce à des réseaux de neurones

Résultat scientifique | Physique nucléaire | Simulation & modélisation

Simuler le comportement des noyaux grâce à des réseaux de neurones


​Des théoriciens du CEA-Irfu et de la Direction des applications militaires du CEA ont développé une intelligence artificielle capable de prédire des propriétés de plus de 1800 noyaux atomiques à partir d'un algorithme entraîné sur seulement 210 noyaux. La précision obtenue est comparable à celle de l'état de l'art, pour un temps de calcul réduit d'un facteur dix à mille.
Publié le 30 novembre 2020

La structure des noyaux atomiques résiste toujours à la compréhension. Il est cependant possible de la modéliser par l'approche théorique des « fonctionnelles de densité d'énergie » (EDF) qui fournit de manière complète et précise les propriétés des noyaux. Les EDF décrivent les interactions entre nucléons (neutrons et protons) comme fonction de la densité d'énergie du système.

Mais le déploiement des EDF à l'échelle de tous les noyaux est limité par des temps de calculs prohibitifs, en particulier dans le cas d'études systématiques telles que celles requises pour étudier la nucléosynthèse primordiale. Pour aller plus loin, des approches numériques alternatives, utilisant l'intelligence artificielle notamment, ont été proposées. Jusqu'à présent, elles présentaient deux faiblesses majeures par rapport aux EDF : elles exigent une grande fraction des données disponibles pour l'entraînement du réseau de neurones (80 %) et se focalisent sur une seule observable expérimentale (masse ou rayon du noyau).

Les chercheurs du CEA ont donc proposé une nouvelle approche :  l'algorithme n'apprend pas une observable mais plusieurs grandeurs « intermédiaires » calculées par EDF, comme la réponse des noyaux à des déformations ou des vibrations. De plus, l'entraînement étant limité à 10 % des noyaux, le réseau de neurones détermine lui-même (par « apprentissage actif ») quels noyaux lui fournissent le plus d'informations pour accomplir ses prédictions.

Pour la première fois, un algorithme constitué d'un comité de réseaux de neurones a pu estimer la structure à basse énergie de tous les noyaux, en s'entraînant sur seulement 210 noyaux, avec une précision remarquable (moins de 0,5 % d'erreur sur l'énergie des états fondamentaux de l'osmium 178). Après entraînement, il produit l'ensemble de ses résultats en seulement quelques millisecondes, à comparer aux centaines d'heures du calcul EDF direct (sur tous les noyaux). Il est donc à présent possible de ne réaliser qu'environ 200 calculs EDF avant de pouvoir généraliser les résultats d'une fonctionnelle sur toute la carte des noyaux, tout en conservant une très bonne précision par rapport à l'expérience.

Cette approche est d'ores et déjà mise en œuvre par une collaboration franco-belge pour l'étude de la nucléosynthèse primordiale ainsi que pour le développement de nouvelles interactions EDF plus complexes. Par ailleurs, il devient envisageable d'utiliser des réseaux de neurones pour des calculs de dynamique nucléaire, de fission notamment.

Enfin, le succès de cette approche est une première preuve de principe qu'un comité de réseaux de neurones est capable de coder plusieurs aspects corrélés de la déformation nucléaire. Ces réseaux possèdent probablement une représentation interne non triviale de la physique du système dont l'étude pourrait révéler de nouveaux concepts physiques.



Haut de page

Haut de page