Ce webinaire, animé par Jean-Claude Crivello (Laboratory for INnovative Key Materials and Structures [LINK] CNRS – Saint Gobain – NIMS) propose une introduction générale aux diverses méthodes d’apprentissage statistique appliquées à la science des matériaux. Il explore les synergies entre les techniques modernes d’intelligence artificielle, notamment l’apprentissage automatique (machine learning, ML), et les propriétés physico-chimiques des matériaux, démontrant comment ces domaines interagissent pour révolutionner la recherche et le développement de nouveaux matériaux.

Après une brève introduction historique, les bases du machine learning sont rappelées. Un large éventail de méthodes est présenté, y compris les approches évolutionnaires, stochastiques, l’apprentissage supervisé (comme la régression et la classification), ainsi que l’apprentissage actif et les approches génératives. Ces méthodes sont expliquées pour mettre en évidence leur pertinence dans diverses applications liées aux matériaux. Ces concepts sont illustrés à l’aide d’exemples concrets, montrant comment le ML a été appliqué avec succès dans des projets de recherche. Ce webinaire se conclue sur une discussion à propos des défis actuels et des opportunités futures dans le domaine de l’apprentissage machine en science des matériaux.