GOLLuM d’EPFL : plus de 40 % d’expériences en moins

Au Laboratoire d’intelligence artificielle chimique de l’EPFL, Bojana Ranković et Philippe Schwaller ont testé GOLLuM avec un budget limité : 50 expériences pour rechercher des conditions chimiques, matérielles et moléculaires performantes. Lors de cette évaluation, 36,3 % des conditions qu’il a essayées se sont classées dans les 5 % supérieurs de tous les résultats possibles, tandis que la méthode a égalé l’optimisation traditionnelle avec plus de 40 % d’expériences en moins.

Les scientifiques utilisent déjà l’optimisation bayésienne pour décider quelle expérience mener ensuite. Celle-ci apprend des résultats passés, prédit les options prometteuses et estime l’incertitude, ce qui aide les équipes à éviter de consacrer du temps et de l’argent à des candidats peu performants. Le problème est la transférabilité : un modèle qui sélectionne efficacement les réactions chimiques peut ne pas convenir aux matériaux ou à la conception moléculaire. Les grands modèles de langage disposent de vastes connaissances scientifiques, mais leur niveau de confiance indique mal si une suggestion est correcte.

GOLLuM ajoute un processus gaussien — un modèle probabiliste utilisé pour évaluer la performance et l’incertitude — qui sert de détecteur de doute intégré. Il n’est pas demandé au grand modèle de langage de choisir seul les expériences ; il apprend à la place à partir des scores du processus gaussien. À mesure que les résultats s’accumulent, le système réorganise son espace de recherche afin que les conditions qui se comportent de la même manière soient plus proches, tandis que celles qui produisent des résultats différents s’éloignent. La méthode fonctionne directement à partir d’une description en anglais courant de la procédure expérimentale.

Les chercheurs ont évalué GOLLuM sur 23 tâches de référence couvrant la synthèse organique, la chimie analytique et la chimie des procédés, les matériaux, la catalyse et l’optimisation des propriétés moléculaires. Chaque série a commencé avec 10 observations peu performantes, et l’équipe a utilisé la même configuration pour toutes les tâches au lieu de l’ajuster séparément. GOLLuM s’est classé premier en moyenne et a devancé l’optimisation bayésienne reposant sur des descripteurs conçus par des experts selon les mesures rapportées. À l’inverse, les invites directes ont produit des taux d’échec allant de 10 % à environ 80 %, notamment des structures chimiques inventées, des conditions répétées et des suggestions en dehors de l’espace de recherche autorisé.

Concrètement : les équipes de recherche pourraient exploiter les vastes représentations scientifiques d’un modèle de langage sans se fier à ses seules réponses, et tester potentiellement des recettes prometteuses avec moins d’expériences en laboratoire.