Mission et objectifs

Le projet PYRIDINE a pour mission d'ouvrir l'accessibilité aux compétences d'experts en sciences et génie de polymères, sans toutefois nécessiter de connaissances approfondies sur le sujet, par l'entremise d'une interface graphique permettant aux utilisateurs de fixer les performances / propriétés souhaitées d'un matériau et en laissant l'intelligence artificielle prédire le polymère idéal à utiliser (à acheter ou à synthétiser) pour répondre aux besoins indiqués.

L'outils développé devrait donc permettre de faciliter et d'accélérer la recherche et le développement de toutes industries ou organisations travaillant dans le domaine de la science et le génie des polymères, d'une manière similaire à ce qui est fait dans les grandes pharma pour accélérer la découverte de nouveaux médicaments potentiels.

Pour parvenir à cette finalité, le projet comporte plusieurs volets qui sont décrits dans les objectifs ci-dessous.

La prédiction de structures basées sur un ensemble de propriétés reposent sur l'utilisation de paramètres qui relient la structure d'un polymère avec ses propriétés. Ces paramètres sont ce qu'on appelle des descripteurs. Il en existe plusieurs qui permettent de bien décrire les petites molécules (énergies HOMO/LUMO, affinité électronique, densité électronique, pKa, …). Ces descripteurs sont néanmoins peu pertinents pour aider à décrire le comportement d'un polymère. Il incombe donc de trouver de nouveaux descripteurs mieux adaptés, par exemple un descripteur de flexibilité de chaînes qui permettrait d'adéquatement représenter les liens qui existent entre la structure d'un polymère et ses propriétés thermomécaniques.

Pour pouvoir développer de nouveaux descripteurs utiles, il est crucial d'avoir en notre possession des données de précision sur la microstructure d'un polymère (stéréorégularité, tacticité, distribution de masses molaires, branchements, …). La majorité des données accessibles (littérature, brevets, bases de données, …) sont regroupées ensemble sous un même nom de polymère et une même identification de la structure qui fait souvent abstraction des différences dans la microstructure. Pourtant, ces différences confèrent des propriétés drastiquement différentes. Par exemple, le polypropylène atactique (sans stéréorégularité) est complètement amorphe, alors que le polypropylène isotactique (ayant une forte stéréorégularité pour l'orientation du groupe méthyle) est semi-cristallin. Avec de l'instrumentation à la fine pointe de la technologie, achetée grâce à la subvention du projet, ces informations de microstructures pourront être caractérisées.

Une fois les propriétés et les microstructures bien caractérisées, toute cette information sera conservée dans une base de données gigantesque qui sera peuplée non seulement des données produites en laboratoire, mais également des données accessibles dans la littérature. Cette base de données permettra d'entraîner les algorithmes d'intelligence artificielle (IA) pour établir l'arrière-plan de l'outil graphique qu'on cherche à développer comme finalité dans le projet. Bien entendu, un poids statistique variable sera utilisé pour éviter le biais de l'IA par des données potentiellement erronées ou incomplètes trouvées dans la littérature. À noter que la base de données sera la propriété du projet PYRIDINE et les données qui s'y trouvent ne seront pas accessibles directement par la communauté.

Pour permettre une utilisation facile du modèle, une interface graphique sera construite dans laquelle il suffira de choisir les propriétés voulues et d'entrer une valeur cible de performance pour ces propriétés, puis de lancer la recherche simplement à partir d'un bouton sur l'interface. Cette interface, lorsque le modèle d'IA derrière sera bien développé, sera rendue accessible à la communauté avec des fonctionnalités restreintes, puis des licenses d'exploitation permettant de déverrouiller toutes les fonctionnalités seront disponibles à prix modeste.