Prédiction des propriétés des matériaux par apprentissage automatique

Abstract

Au cours des dernières années, la communauté des sciences de matériaux a déployé des efforts considérables pour utiliser l'informatique afin d'accélérer le développement et la découverte de nouveaux matériaux. Les algorithmes d'apprentissage automatique analysent les données relatives aux propriétés des matériaux afin d'extraire de nouvelles connaissances ou des modèles prédictifs représentant leur comportement à partir de bases de données existantes en science des matériaux. Cette technique est moins coûteuse en temps de calcul que les codes ab-initio traditionnels. Dans ce mémoire master, nous avons implémenté les algorithmes d’apprentissage automatique, en python, en utilisant Scikit-learn pour extraire des informations à partir des bases de données telles que Materials Project et Citrination. In the last years, the materials science community has made considerable efforts to use informatics to accelerate the development and discovery of new materials. The algorithms of machine learning analyze material properties data to extract new knowledge or to predictive models representing the behavior of materials from existing databases in materials science. This technique is less expensive in computing time than traditional ab-initio codes. In this master’s thesis, we have implemented the algorithms of machine learning, in python, using Scikit-learn to extract data from platforms such as Materials Project and Citrination.