Synthèse automatisée de matériaux à l'aide de l'apprentissage profond par renforcement

 

L'apprentissage par renforcement fait l'objet d'études étendues dans le domaine des jeux et a trouvé des applications importantes dans les secteurs de la finance, de la conduite autonome et de la robotique commerciale. Ce projet vise à étudier la possibilité d'utiliser l'apprentissage par renforcement pour automatiser certains aspects de la chimie physique grâce à la « ludification » afin de découvrir de nouvelles manières de créer des matériaux dotés de propriétés particulières. Le CNRC et l'Université de Waterloo collaborent à ce projet. Le CNRC offre son expertise en chimie physique et l'Université de Waterloo son expertise en IA et en apprentissage automatique.

Équipe

Mark Crowley, Ph. D.

M. Mark Crowley est professeur adjoint au sein du groupe d'étude de la reconnaissance des motifs et de l'intelligence artificielle du département de génie électrique et de génie informatique de l'Université de Waterloo. Les travaux de recherche de M. Crowley sont axés sur les algorithmes, les outils et les théories liées à la fois à l'apprentissage automatique, l'optimisation et la modélisation probabiliste. 

Pour en savoir plus, consultez la page sur M. Crowley (en anglais seulement).

Isaac Tamblyn, Ph. D.

M. Isaac Tamblyn est agent de recherches au Conseil national de recherches Canada et professeur affilié à l'Institut Vecteur. Il est également professeur auxiliaire de physique à l'Université d'Ottawa. Les axes de recherche actuels de M. Tamblyn sont centrés sur l'application de l'IA et de l'apprentissage profond à la résolution de problèmes en nanoscience, en particulier aux matériaux et aux procédés liés aux énergies renouvelables.

Pour en savoir plus, consultez la page sur M. Tamblyn (en anglais seulement).